汪建军的博客

休迅飞凫,飘忽若神,凌波微步,罗袜生尘。

Android developer, sometimes thinking, sometimes try it.


Android实现图片相似度

最近公司有一个需求,就是希望能判断用户提交的照片是否是身份证的正面或者反面。可以通过预设一张拍摄清晰的身份证正面或者反面,来对比是否相似,那么问题就转化为如何计算两张图片相似度。找到一篇阮一峰老师当年的博客 很有启发,于是根据他说的每一步用Android里的方法来实现。


第一步,缩小尺寸。

将图片缩小到8x8的尺寸,总共64个像素。这一步的作用是去除图片的细节,只保留结构、明暗等基本信息,摒弃不同尺寸、比例带来的图片差异。

Bitmap bitmap8 = ThumbnailUtils.extractThumbnail(bitmapOriginal, 8, 8);

第二步,简化色彩。

将缩小后的图片,转为64级灰度。也就是说,所有像素点总共只有64种颜色。

    public static Bitmap convertGreyImg(Bitmap img) {
        int width = img.getWidth();         //获取位图的宽
        int height = img.getHeight();       //获取位图的高

        int[] pixels = new int[width * height]; //通过位图的大小创建像素点数组

        img.getPixels(pixels, 0, width, 0, 0, width, height);
        int alpha = 0xFF << 24;
        for (int i = 0; i < height; i++) {
            for (int j = 0; j < width; j++) {
                int original = pixels[width * i + j];
                int red = ((original & 0x00FF0000) >> 16);
                int green = ((original & 0x0000FF00) >> 8);
                int blue = (original & 0x000000FF);

                int grey = (int) ((float) red * 0.3 + (float) green * 0.59 + (float) blue * 0.11);
                grey = alpha | (grey << 16) | (grey << 8) | grey;
                pixels[width * i + j] = grey;
            }
        }
        Bitmap result = Bitmap.createBitmap(width, height, Bitmap.Config.RGB_565);
        result.setPixels(pixels, 0, width, 0, 0, width, height);
        return result;
    }

第三步,计算平均值。

计算所有64个像素的灰度平均值。

    public static int getAvg(Bitmap img) {
        int width = img.getWidth();
        int height = img.getHeight();
        int[] pixels = new int[width * height];
        img.getPixels(pixels, 0, width, 0, 0, width, height);

        int avgPixel = 0;
        for (int pixel : pixels) {
            avgPixel += pixel;
        }
        return avgPixel / pixels.length;
    }

第四步,比较像素的灰度。

将每个像素的灰度,与平均值进行比较。大于或等于平均值,记为1;小于平均值,记为0。

    public static String getBinary(Bitmap img, int average) {
        StringBuilder sb = new StringBuilder();

        int width = img.getWidth();
        int height = img.getHeight();
        int[] pixels = new int[width * height];

        img.getPixels(pixels, 0, width, 0, 0, width, height);
        for (int i = 0; i < height; i++) {
            for (int j = 0; j < width; j++) {
                int original = pixels[width * i + j];
                if (original >= average) {
                    pixels[width * i + j] = 1;
                } else {
                    pixels[width * i + j] = 0;
                }
                sb.append(pixels[width * i + j]);
            }
        }
        return sb.toString();
    }

第五步,计算哈希值。

将上一步的比较结果,组合在一起,就构成了一个64位的整数,这就是这张图片的指纹。组合的次序并不重要,只要保证所有图片都采用同样次序就行了。

下面是得到16位16进制的字符串,作为该图片的消息指纹

    public static String binaryString2hexString(String bString) {
        if (bString == null || bString.equals("") || bString.length() % 8 != 0)
            return null;
        StringBuilder sb = new StringBuilder();
        int iTmp;
        for (int i = 0; i < bString.length(); i += 4) {
            iTmp = 0;
            for (int j = 0; j < 4; j++) {
                iTmp += Integer.parseInt(bString.substring(i + j, i + j + 1)) << (4 - j - 1);
            }
            sb.append(Integer.toHexString(iTmp));
        }
        return sb.toString();
    }

下面是两张图片的消息指纹比较的方法

    static void diff(String s1, String s2) {
        char[] s1s = s1.toCharArray();
        char[] s2s = s2.toCharArray();
        int diffNum = 0;
        for (int i = 0; i<s1s.length; i++) {
            if (s1s[i] != s2s[i]) {
                diffNum++;
            }
        }
        System.out.println("diffNum="+diffNum);
    }

至此关键代码都在这里了。


我拍照片试验了几次,以下是部分结果:

Str64->16=81000081e9ff0000  
Str64->16=01800049e1ff0000  
Str64->16=10000d41ebff8000  
Str64->16=fdff47e80020231b  
Str64->16=ffffcfb80028031b  
Str64->16=ffff4fee0408031b  
Str64->16=040c7104000e7fff  
Str64->16=0b1b999f0300052f  
Str64->16=0b1b99c101400527  

1、2、3行,4、5、6行,8、9行是大致同一个位置(手持手机,尽量保持同一个位置),第7行是其他位置,说明结果还是比较靠谱的,个人认为diff(s1, s2)方法

结果在1~5说明两张照片极其相似,6~10说明较为相似,10以上说明不相似

(相关代码在我的github上)

以上,禁止商业用途转载,其他转载请告知,谢谢!

最近的文章

Android下图片清晰度识别

还是公司项目的一个需求:判断用户拍的照片是否清晰,不清晰就不让提交。 核心思想:使用opencv的拉普拉斯算法检测图片的边缘数,越模糊的图片边缘数越少。 刚接触的小伙伴可以看一下这篇启发性文章 关于O…

杂技继续阅读
更早的文章

Android开发路上的踩坑锦集(四)

86、context类都不要弄成static,引用context一定要及时释放,否则容易引起内存泄漏。 85、recyclerview 请求数据计算后adapter.notifyDataSetChan…

Android笔记继续阅读
comments powered by Disqus