Come sapere se due immagini sono uguali? [chiuso]

Ho oltre 10000 immagini che circa 2000 sono duplicate in altri formati (come in JPEG, PNG, GIF). Entrambi questi numeri aumentano ogni giorno. Devo eliminare quei duplicati e per questo devo sapere prima come trovarli.

Il mio primo pensiero è stato quello di controllare i pixel delle immagini e trovare altre immagini che abbiano gli stessi pixel colorati nelle stesse coordinate. Ma questa opzione non funziona sempre. Diciamo che cerco un duplicato. Per quanto riguarda l'oggetto ricercabile, scelgo un file PNG a 8 bit. Troverà tutti i duplicati di quell'immagine, ma solo il PNG a 8 bit, a volte GIF a 8 bit e raramente JPEG (a causa delle immagini algoritmiche suppongo?).

Il mio secondo pensiero è stato quello di duplicare tutte quelle immagini e ricolorarle in una rigorosa tavolozza di due colori (diciamo bianco e nero) e fare la stessa scansione di cui sopra. Ancora una volta l'immagine JPEG non è simile al 100% al formato PNG o GIF (lo stesso motivo di cui sopra?).

Il terzo pensiero era di ridurre la percentuale di quanto l'immagine deve avere familiarità e aumentare la quantità di colori che possono variare, con conseguente rimozione indesiderata dell'immagine ...

qualche idea?

Gli hash percettivi possono essere la risposta:

http://www.phash.org/

Un hash percettivo è un'impronta digitale di un file multimediale derivato da varie funzionalità dal suo contenuto. A differenza delle funzioni hash crittografiche che si basano sull'effetto valanghe di piccoli cambiamenti nell'input che portano a drastici cambiamenti nell'output, gli hash percettivi sono "vicini" tra loro se le caratteristiche sono simili.

1. Verifica le dimensioni Se le immagini differenti => non sono uguali.
2. Controlla i formati. Se lo stesso => ​​Esegui un confronto preciso, pixel per pixel.
3. Se diversi formati lo fanno:

Non confrontare RGB (rosso, verde, blu). Confronta la luminosità con la metà del peso e confronta il colore / tonalità con l'altra metà (o 2 / 3rds contro 1/3). Calcola la differenza di valori e in base al valore di "tolleranza" sono uguali o non lo sono.

JPEG comprime pesantemente le informazioni sul colore ma cerca di non rovinare i valori di limitazione.

Alcuni anni fa, quando stavo proiettando un sacco di immagini per i duplicati, ho scoperto che ridurre tutto a miniature 8x8 e quindi calcolare un punteggio di somiglianza basato sul quadrato della distanza (trattando i tre colori separatamente) tra le miniature ha funzionato abbastanza bene. Nota che puoi tenere MOLTE miniature 8x8 in memoria.

Praticamente tutti i duplicati hanno segnato al di sotto dei non duplicati, l'unico problema era rappresentato da alcune immagini che avevano un contrasto molto basso e simili nel complesso, anche se il contenuto effettivo variava (lo sfondo in ogni caso era la sabbia della spiaggia).

Ciò è stato efficace anche nel catturare immagini che erano duplicate, tranne per il fatto che qualcuno aveva ridotto la risoluzione o la qualità su una per ridurre le dimensioni del file.

Forse dovresti scrivere del codice che scansiona le immagini per somiglianza. Puoi convertire tutte le immagini in formato ARGB e confrontarle. (in memoria)

Un possibile approccio potrebbe essere in questo modo: dividere le immagini in zone. Scansiona il colore e / o la luminosità medi delle zone per confrontare due immagini per somiglianza.

Se più che dire, il 90% delle zone corrisponde, ne hai scelto uno per passare all'elenco dei candidati alla cancellazione. In questo modo hai un elenco di candidati. È possibile utilizzare le proporzioni delle immagini per classificare le immagini in immagini orizzontali e verticali per accelerare i confronti. in questo modo è possibile compensare gli algoritmi con perdita che non riproducono i colori giusti pixel per pixel. Esegui il programma dall'oggi al domani, e la mattina lo hai fatto :) in .Net questo può essere fatto abbastanza facilmente con lui GDI + lib.