- 综合排序
- 最热优先
- 最新优先
- 来自专栏python前行者
python imagehash库简单运用
github：https://github.com/JohannesBuchner/imagehash python imagehash库简单运用 imagehash 是一个用 Python 写的图片哈希算法库 什么是图像哈希（imagehash）？ 安装 pip install imagehash 基本用法 >>> from PIL import Image >>> import imagehash >>> hash = imagehash.average_hash /res/lenna317x360_add_text.jpg') p = imagehash.phash(lenna400) p1 = imagehash.phash(lenna512) p2 = imagehash.phash (lenna400) w1 = imagehash.whash(lenna512) w2 = imagehash.whash(lennaText) print('whash leanna400 : '
1.2K30编辑于 2023-10-10 - 来自专栏素质云笔记
python︱imagehash中的四种图像哈希方式（phashahashdhash小波hash）
code来源：https://github.com/JohannesBuchner/imagehash 外文原文：https://fullstackml.com/wavelet-image-hash-in-python -3504fdd282b5 可以直接pip： pip install imagehash 1 perception hashing 感知哈希，不同于aHash，但首先它确实是离散余弦变换和频域。 主函数： average_hash(image, hash_size=8) 案例： hash_size = 6 hash1 = imagehash.average_hash(Image.open(' def dhash(image, hash_size=8) 案例： hash_size = 10 hash1 = imagehash.dhash(Image.open('5_1.jpg'),hash_size =hash_size) print(hash1) # > 354adab5054af0b7 hash2 = imagehash.dhash(Image.open('1_1.jpg'),hash_size
9.8K81发布于 2018-01-02 - 来自专栏Python项目实战
当AI遇上区块链，会不会搞出一个“去中心化大脑”？
solidity ^0.8.0;contract AIResultStorage { struct Result { address sender; string imageHash timestamp; } Result[] public results; event ResultSubmitted(address indexed sender, string imageHash , string prediction); function submitResult(string memory imageHash, string memory prediction) public (msg.sender, imageHash, prediction); } function getResult(uint index) public view returns (string memory, string memory) { return (results[index].imageHash, results[index].prediction); }}是不是很简单
45900编辑于 2025-07-16 - 来自专栏C博文
手把手基于ModelScope MCP协议实现AI短视频创作——零代码自动化工作流
maxAttempts=3, backoff=@Backoff(delay=2000)) public SceneResource generateScene(Scene scene) { String imageHash = DigestUtils.md5Hex(scene.getDescription()); if(cacheRepository.existsByHash(imageHash)) { return cacheRepository.get(imageHash); } // ...调用MCP服务 } 五、成果展示与效果分析 生成案例《夏日海滩》： journey
72210编辑于 2025-07-15 - 来自专栏python前行者
[1213]基于Python实现图像去重
) num += 1 print("处理文件夹个数:{}".format(num)) ---- python实现图像去重(哈希算法、lshashbox、imagehash 在Python中，我们可以使用ImageHASH库来进行感知哈希操作。 首先需要安装ImageHASH库： pip install imagehash 然后进行如下操作： import cv2 from PIL import Image import imagehash img1 = cv2.imread("img1.jpg") img1 = Image.fromarray(cv2.cvtColor(img1, cv2.COLOR_BGR2RGB)) hash1 = imagehash.phash img2 = cv2.imread("img2.jpg") img2 = Image.fromarray(cv2.cvtColor(img2, cv2.COLOR_BGR2RGB)) hash2 = imagehash.phash
2K30编辑于 2023-10-10 - 来自专栏python前行者
[1214]基于Python实现视频去重
code 同级目录下新建dup_video # -*- coding:utf-8 -*- import json import os import shutil import cv2 import imagehash img = Image.fromarray(cv2.cvtColor(image_np, cv2.COLOR_BGR2RGB)) # 转成cv图像格式 h = str(imagehash.dhash
1.2K30编辑于 2023-10-10 重复图片检测工具有哪些，附python版本源码
self.content_folder, file) try: image = Image.open(file_path) image_hash = imagehash.phash
9400编辑于 2026-01-08Python高效爬取图片并智能化归入数据库：完整架构与实战指南
img = img.convert('RGB') # 调整大小用于哈希计算 img_hash = imagehash.average_hash (img, self.hash_size) phash = imagehash.phash(img, self.hash_size) dhash = imagehash.dhash(img, self.hash_size) whash = imagehash.whash(img, self.hash_size) # 平均哈希比较 if 'average_hash' in hash1 and 'average_hash' in hash2: h1 = imagehash.hex_to_hash (hash1['average_hash']) h2 = imagehash.hex_to_hash(hash2['average_hash']) scores.append
31110编辑于 2025-12-05- 来自专栏金融民工小曾
什么是NFT？
从合约里可以看到函数 imageHash 中返回了一串哈希值，这串哈希值在社区共识里是由10000 张 CryptoPunk 图片拼接而成的一张大图的哈希值，原图目前保存在CryptoPunk项目的官方网站
2.6K20编辑于 2022-03-17 - 来自专栏刘笑江的专栏
微信读书排版引擎自动化测试
图像的特征，从视觉认知概念上，有低、中、高级特征： 低级特征：如像素域、频率域、ImageHash [4] 中级特征：如 sobel [5] 边缘特征 高级特征：抽象视觉概念，比如从 CNN[6] 算法训练得到的标签 documentation/Cocoa/Reference/Foundation/Classes/NSAttributedString_Class ↩︎ https://pypi.python.org/pypi/ImageHash
1.9K70发布于 2018-05-28 - 来自专栏OpenCV与AI深度学习
用深度学习实现异常检测/缺陷检测
Python库被用于不同的目的： 可视化(图像、指标)： OpenCV Seaborn Matplotlib 处理数组： Numpy 模型： TensorFlow Keras Random 图像相似度比较： Imagehash 我们使用了带有不同散列值(感知、平均和差异)的Python Imagehash库，对于相似的图像，我们得到了不同的结果。
3.7K21发布于 2021-02-07 - 来自专栏AI算法与图像处理
用计算机视觉来做异常检测
Python库被用于不同的目的： 可视化(图像、指标)： OpenCV Seaborn Matplotlib 处理数组： Numpy 模型： TensorFlow Keras Random 图像相似度比较： Imagehash 我们使用了带有不同散列值(感知、平均和差异)的Python Imagehash库，对于相似的图像，我们得到了不同的结果。
1.1K10发布于 2021-02-22 - 来自专栏公共互联网反网络钓鱼（APCN）
Web3 社群服务器被入侵引发钓鱼风险的技术机理与防御体系研究 —— 以 Quickswap Discord 事件为例
"""页面视觉指纹比对""" try: official_img = Image.open(official_img_path) official_hash = imagehash.phash (official_img) fake_img = Image.open(requests.get(url, stream=True).raw) fake_hash = imagehash.phash
27910编辑于 2026-04-08 - 来自专栏01二进制
图像检索系列——利用 Python 检测图像相似度
当然，你也可以选择安装ImageHash库，然后调用相应的hash函数来实现计算。
5.9K30发布于 2019-08-26 - 来自专栏公共互联网反网络钓鱼（APCN）
基于Web3游戏热点的钓鱼攻击机理与防御策略研究——以Pudgy Penguins仿冒案为例
模拟图片加载 # 在实际部署中，这里会调用截图服务 pass # 计算感知哈希 (pHash) # hash1 = imagehash.phash (target_img) # hash2 = imagehash.phash(official_img) # similarity = 1 - (hash1
57810编辑于 2026-03-21 - 来自专栏公共互联网反网络钓鱼（APCN）
摩纳哥银行业钓鱼攻击特征与防御机制研究
phishing_img_path: str, official_hash: str) -> bool:img = Image.open(phishing_img_path).convert('L')hash_val = str(imagehash.phash
21610编辑于 2025-12-21 - 来自专栏IT技术精选文摘
微信读书排版引擎自动化测试
图像的特征，从视觉认知概念上，有低、中、高级特征： 低级特征：如像素域、频率域、ImageHash [4] 中级特征：如 sobel [5] 边缘特征 高级特征：抽象视觉概念，比如从 CNN[6] 算法训练得到的标签
1.8K20发布于 2018-07-30 - 来自专栏刘笑江的专栏
微信读书排版引擎自动化测试方案
图像的特征，从视觉认知概念上，有低、中、高级特征： 低级特征：如像素域、频率域、ImageHash 中级特征：如 sobel 边缘特征 高级特征：抽象视觉概念，比如从 CNN 算法训练得到的标签，如车、
4.9K10发布于 2016-09-28 - 来自专栏AI 创作日记
AI 创作日记 | 重构人货场，DeepSeek边缘计算如何破解夜间零售困局
(key) in self.cache def _frame_similarity(self, frame): """基于感知哈希的相似度计算""" phash = imagehash.phash
59310编辑于 2025-03-26 - 来自专栏1007261的专栏
基于图像识别的自动化
Python 中已经有人写好了相关的库 imagehash，直接使用即可。 图3：使用 phash 计算两张图的差异 唯一的问题是性能。
8.6K70发布于 2018-01-15
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号