Published on

ARTS 第27周

Authors

Algorithm

package org.nocoder.leetcode.solution;

/**
 * 709. To Lower Case
 * <p>
 * Implement function ToLowerCase() that has a string parameter str, and returns the same string in lowercase.
 * <p>
 * Example 1:
 * <p>
 * Input: "Hello"
 * Output: "hello"
 * Example 2:
 * <p>
 * Input: "here"
 * Output: "here"
 * Example 3:
 * <p>
 * Input: "LOVELY"
 * Output: "lovely"
 */
public class ToLowerCase {
    public static String toLowerCase(String str) {
        StringBuilder lowerCase = new StringBuilder();
        char[] chars = str.toCharArray();
        for (int i = 0; i < chars.length; i++) {
            int n = chars[i];
            if (n >= 65 && n <= 90) {
                n += 32;
                lowerCase.append((char) n);
            } else {
                lowerCase.append((char) n);
            }
        }
        return lowerCase.toString();
    }

    public static void main(String[] args) {
        System.out.println(toLowerCase("Hello"));
    }
}

Review

User guide for 4.x

Tip

寻找相似图片

接上周的图书图片爬虫引发的问题,图片爬下来以后,有不少“暂无图片”的图片,而且部分这些图片的命名还没有规律可循,所以没办法在爬取的时候就过滤掉。我使用了中间表来保存图书的信息及图片在本地的路径,所以可以找到对应关系,从而对类似“暂无图片”的图片进行删除。

问题就在于如何快速的找到这些“暂无图片”图片,我的想法是通过找相似图片的方式,以一个图片找到其他类似的图片,在网上搜索了一下,找到了阮一峰老师的这篇文章。

相似图片搜索的原理-阮一峰

这里的关键技术叫做"感知哈希算法"(Perceptual hash algorithm),它的作用是对每张图片生成一个"指纹"(fingerprint)字符串,然后比较不同图片的指纹。结果越接近,就说明图片越相似。

下面是一个最简单的实现:

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。

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。

第三步,计算平均值。

计算所有64个像素的灰度平均值。

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。

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。

得到指纹以后,就可以对比不同的图片,看看64位中有多少位是不一样的。在理论上,这等同于计算"汉明距离"(Hamming distance)。如果不相同的数据位不超过5,就说明两张图片很相似;如果大于10,就说明这是两张不同的图片。

具体的代码实现,可以参见Wote用python语言写的imgHash.py。代码很短,只有53行。使用的时候,第一个参数是基准图片,第二个参数是用来比较的其他图片所在的目录,返回结果是两张图片之间不相同的数据位数量(汉明距离)。

这种算法的优点是简单快速,不受图片大小缩放的影响,缺点是图片的内容不能变更。如果在图片上加几个文字,它就认不出来了。所以,它的最佳用途是根据缩略图,找出原图。

实际应用中,往往采用更强大的pHash算法和SIFT算法,它们能够识别图片的变形。只要变形程度不超过25%,它们就能匹配原图。这些算法虽然更复杂,但是原理与上面的简便算法是一样的,就是先将图片转化成Hash字符串,然后再进行比较。

imgHash.py python2 版本的,我稍微调整了一下,改成python3版本并在windows 机器上运行了一下,效果很不错。

#!/usr/bin/python

import glob
import os
import sys
from functools import reduce
from PIL import Image


EXTS = 'jpg', 'jpeg', 'gif', 'png'


def avhash(im):
    if not isinstance(im, Image.Image):
        im = Image.open(im)
    im = im.resize((8, 8), Image.ANTIALIAS).convert('L')
    avg = reduce(lambda x, y: x + y, im.getdata()) / 64.
    return reduce(lambda x, y_z: x | (y_z[1] << y_z[0]),
                  enumerate(map(lambda i: 0 if i < avg else 1, im.getdata())),
                  0)


def hamming(h1, h2):
    h, d = 0, h1 ^ h2
    while d:
        h += 1
        d &= d - 1
    return h


def find_similar_img(img_path, dest_dir):
        h = avhash(img_path)
        os.chdir(dest_dir)
        images = []
        for ext in EXTS:
            images.extend(glob.glob('*.%s' % ext))

        seq = []
        prog = int(len(images) > 50 and sys.stdout.isatty())
        for f in images:
            seq.append((f, hamming(avhash(f), h)))
            if prog:
                perc = 100. * prog / len(images)
                x = int(2 * perc / 5)
                print('\rCalculating... [' + '#' * x + ' ' * (40 - x) + ']'),
                print('%.2f%%' % perc, '(%d/%d)' % (prog, len(images))),
                sys.stdout.flush()
                prog += 1

        if prog:
            print

        for f, ham in sorted(seq, key=lambda i: i[1]):
            if ham < 5:
                print("%d\t%s%s%s" % (ham, dest_dir, "\\", f))


if __name__ == '__main__':
    for root, dirs, files in os.walk('F:\\image\\2019-01-03'):
        find_similar_img('D:\\usr\\local\\github\\imgHash\\no-img.jpg', root)

output:

D:\usr\local\github\imgHash\venv\Scripts\python.exe D:/usr/local/github/imgHash/imgHash.py
0	F:\image\2019-01-03\0\9787555502739.jpg
0	F:\image\2019-01-03\0\9787555705956.jpg
0	F:\image\2019-01-03\0\9787558102141.jpg
0	F:\image\2019-01-03\0\9787558104916.jpg
0	F:\image\2019-01-03\0\9787558107627.jpg
0	F:\image\2019-01-03\0\9787801767912.jpg
0	F:\image\2019-01-03\0\9787806193433.jpg
0	F:\image\2019-01-03\1\9787509536063.jpg
0	F:\image\2019-01-03\1\9787511238757.jpg
0	F:\image\2019-01-03\1\9787514321104.jpg
0	F:\image\2019-01-03\1\9787514324389.jpg
0	F:\image\2019-01-03\1\9787530573099.jpg
0	F:\image\2019-01-03\1\9787546632865.jpg
0	F:\image\2019-01-03\1\9787546952581.jpg
0	F:\image\2019-01-03\1\9787549817719.jpg
0	F:\image\2019-01-03\1\9787553458199.jpg
0	F:\image\2019-01-03\1\9787558102387.jpg
0	F:\image\2019-01-03\1\9787560561981.jpg
0	F:\image\2019-01-03\2\9787511247278.jpg
0	F:\image\2019-01-03\2\9787511353801.jpg
0	F:\image\2019-01-03\2\9787513909280.jpg

Share

分享几个图片处理算法的文章,非常有意思

相似图片搜索的原理

相似图片搜索的原理(二)

神奇的图像处理算法