- 操作系统：ubuntu22.04
- OpenCV版本：OpenCV4.9
- IDE:Visual Studio Code
- 编程语言：C++11
算法描述
cv::img_hash::AverageHash是OpenCV中用于图像哈希（Image Hashing）的一个类，属于opencv_img_hash模块。它实现了平均哈希算法（Average Hash, aHash），可以快速计算图像的“指纹”或“感知哈希值”，用于判断两张图像是否相似。
主要成员函数
- compute(InputArray image, OutputArray code)
计算输入图像的 aHash 哈希值。
void compute(InputArray image, OutputArray code);
- image: 输入图像（支持 CV_8UC1 或 CV_8UC3）
- code: 输出的哈希值（类型为 CV_8U 的一维 Mat）
- compare(const cv::Mat& code1, const cv::Mat& code2)
比较两个哈希值之间的差异（返回汉明距离）。
double compare(const cv::Mat& code1, const cv::Mat& code2);
返回值越小表示图像越相似（0 表示完全相同）
示例代码
#include <iostream>
#include <opencv2/img_hash.hpp>
#include <opencv2/opencv.hpp>using namespace cv;
using namespace cv::img_hash;
using namespace std;int main()
{// 加载图像（支持彩色图或灰度图）Mat img1 = imread( "/media/dingxin/data/study/OpenCV/sources/images/img2.jpg", IMREAD_COLOR );Mat img2 = imread( "/media/dingxin/data/study/OpenCV/sources/images/img1.jpg", IMREAD_COLOR );if ( img1.empty() || img2.empty() ){cerr << "无法加载图像！" << endl;return -1;}// 创建 AverageHash 对象Ptr< AverageHash > ahash = AverageHash::create();// 计算哈希值Mat hash1, hash2;ahash->compute( img1, hash1 );ahash->compute( img2, hash2 );// 比较哈希值（返回汉明距离）double distance = ahash->compare( hash1, hash2 );cout << "汉明距离: " << distance << endl;if ( distance < 10 ){cout << "图像非常相似！" << endl;}else{cout << "图像不相似。" << endl;}return 0;
}
运行结果
汉明距离: 1
图像非常相似！
补充：
汉明距离（Hamming Distance） 是一种用于测量两个等长字符串或数据序列之间差异的度量方法。具体来说，它定义为两个字符串在对应位置上不同字符的数量。对于二进制串（如哈希值），汉明距离就是两个串中不相同位的个数。
在图像哈希中的应用
在图像处理和计算机视觉领域，汉明距离常用于比较两个图像的哈希值（指纹）。例如，在使用感知哈希算法（如 aHash、pHash 等）生成图像的哈希值后，可以通过计算它们之间的汉明距离来衡量这两幅图像的相似度：
- 汉明距离越小，表示两幅图像越相似。
- 汉明距离为 0 表示两幅图像完全相同（至少在哈希级别上是相同的）。
- 如果汉明距离超过某个阈值，则认为两幅图像不相似。
计算汉明距离的方法
假设我们有两个等长的二进制字符串 str1 和 str2，其汉明距离可以通过以下步骤计算：
- 将两个字符串逐位进行异或操作（XOR），得到一个新的字符串，其中每个位置上的值为 1 表示原两个字符串在此位置上的值不同，为 0 表示相同。
- 统计新字符串中 1 的数量，即为汉明距离。
)
