C# C语言中两幅图像的比较算法#

我正在用C#编写一个工具来查找重复的图像。目前，我创建了文件的MD5校验和，并比较了它们

不幸的是，图像可能是：

• 旋转90度
• 具有不同的尺寸（具有相同内容的较小图像）
• 具有不同的压缩或文件类型（例如jpeg瑕疵，见下文）

---

解决此问题的最佳方法是什么？

下面是一个使用256位图像哈希的简单方法（MD5有128位）

将图片大小调整为16x16像素

将颜色减少为黑色/白色（此控制台输出中等于真/假）

将布尔值读入

列表

——这是散列

代码：

public static List<bool> GetHash(Bitmap bmpSource)
{
    List<bool> lResult = new List<bool>();         
    //create new image with 16x16 pixel
    Bitmap bmpMin = new Bitmap(bmpSource, new Size(16, 16));
    for (int j = 0; j < bmpMin.Height; j++)
    {
        for (int i = 0; i < bmpMin.Width; i++)
        {
            //reduce colors to true / false                
            lResult.Add(bmpMin.GetPixel(i, j).GetBrightness() < 0.5f);
        }             
    }
    return lResult;
}

因此，此代码能够找到具有以下功能的相同图像：

• 不同的文件格式（例如jpg、png、bmp）
• 旋转（90、180、270），水平/垂直翻转-通过改变

  i

  和

  j

• 不同的尺寸（需要相同的外观）
• 不同的压缩（在质量损失（如jpeg伪影）的情况下需要公差）-您可以接受99%的相等性表示相同的图像，50%表示不同的图像
• 颜色更改为geyscaled，反之亦然（因为亮度与颜色无关）

更新/改进：

List<bool> iHash1 = GetHash(new Bitmap(@"C:\mykoala1.jpg"));
List<bool> iHash2 = GetHash(new Bitmap(@"C:\mykoala2.jpg"));

//determine the number of equal pixel (x of 256)
int equalElements = iHash1.Zip(iHash2, (i, j) => i == j).Count(eq => eq);

使用此方法一段时间后，我注意到可以做一些改进

• GetPixel

  获得更高的性能
• 使用而不是读取整个图像以提高性能
• 不要将

  0.5f

  设置为明暗不同，而是使用所有256像素的不同中值亮度。否则，暗/光图像被假定为相同的，并且它能够检测具有改变的亮度的图像
• 如果您需要计算，请使用

  bool[]

  或

  List

  如果您需要存储大量哈希值并需要节省内存，请使用

  Bitarray

  因为布尔值不是存储在一个位中，它需要一段时间

  ---

将图像重新采样到某个常见分辨率后，您可以使用小波分解并比较此分解的系数，而不是图像本身。仅比较前N个系数将使该方法对噪声和其他伪影更具鲁棒性

小波有几种C#实现。例如，您可以通过检查查看可用的图像比较方法

除非您想自己重新创建完整的算法，否则您应该尝试使用现有的库或它们的代码的至少一部分（只要它们的许可证对您合适）

---

对于边缘检测和相关计算机视觉算法的开源C#实现，您可以尝试OpenCV的包装。

有趣的问题，鉴于此，图像的比较并不难

这些图像是相同的（第一个图像不是第二个图像的一部分，反之亦然）

图像仅旋转90度的倍数

进行比较的一种方法是

将两个图像的大小调整为最小直径

对每个图像应用边缘检测，生成黑白图像（或0和1的数组）

比较生成的位图（保持第一个位图静止，将第二个位图旋转90度3次），计算匹配像素的百分比并获得最大高度值

现在如果这个值在一个合理的范围内，比如说90%（可能需要通过做一些实验来确定），那么你可以安全地假设两者都是相同的，但是如果

例如，即使角上有几个像素不同，第二个图像也会从第一个图像裁剪而来

图像旋转的角度不是90度的倍数（尽管这不太可能）

private List colorList=new List（）；
私有字符串散列；
私有字符串GetImageHash（位图bmpSource）
{
colorList.Clear（）；
int i，j；
位图bmpMin=新位图（bmpSource，新大小（16，16））；//创建具有16x16像素的新图像
对于（j=0；j

这里的高级内容不错，但很多图像实际上都是同一个文件。我要考虑的一个措施是先做哑巴部分。创建一个目录列表，并按大小顺序对图像文件进行排序。找到具有相同大小文件的所有对，并检查每对是否完全匹配。对于每个匹配项，您可以删除双精度

现在来看有趣的部分

---

在上述解决方案中，有一件事是没有想到的，那就是利用颜色。您可以使用颜色直方图进行比较。对于红色、绿色和蓝色通道，对每个颜色出现进行计数，并将计数放入树整数[255]数组中。然后将每个RGB数组规格化为浮点[0.0..1.0]值，并作为矢量3（RGB）距离进行比较。这种方法可以找到图像的旋转和调整大小的版本。颜色域中的匹配不能保证。。但是，您可以使用它（再次）对文件进行分组，以进一步优化处理并加快处理速度。

使用边缘检测将两个图像缩放到相同大小，然后计算表示差异程度的值（与所有旋转相比）我的帮助-读到这里真的很有趣，但是，只有当图片使用完全相同的算法和完全相同的设置进行修改时，否则您可能会

private List<byte> colorList = new List<byte>();
private string hash;

private string GetImageHash(Bitmap bmpSource)
{
    colorList.Clear();
    int i,j;
    Bitmap bmpMin = new Bitmap(bmpSource, new Size(16, 16)); //create new image with 16x16 pixel
    for ( j = 0 ; j < bmpMin.Height; j++)
    {
        for ( i = 0; i < bmpMin.Width; i++)
        {
            colorList.Add(bmpMin.GetPixel(i, j).R);
        }
    }
    SHA1Managed sha = new SHA1Managed();
    byte[] checksum = sha.ComputeHash(colorList.ToArray());
    hash = BitConverter.ToString(checksum).Replace("-", String.Empty);
    sha.Dispose();
    bmpMin.Dispose();
    return hash;
}