資料庫是一個很好的選擇，首先建立一個簡單的 Table：
CREATE TABLE image_hash (
id INT(11) NOT NULL AUTO_INCREMENT,
filepath VARCHAR(256) NOT NULL,
hash BIGINT(20) UNSIGNED ZEROFILL NOT NULL,
PRIMARY KEY (id)
) ENGINE=MYISAM;
再來要怎麼將 hash code 寫進資料表呢？我們可以利用 b'010101' 的 bit 表示語法將 hash code 64位元字串存進 BIGINT 裡面。
INSERT INTO image_hash_info (filepath, hash)
VALUES('/home/jax/12.jpg', b'10100111...');
資料已經備齊了，最重要的就是怎麼計算漢明距離了，MySQL 提供了
BIT_COUNT() 的函數，可以計算數字中位元 1 的個數，所以剩下的就是 XOR 的運算了。SELECT BIT_COUNT(29), BIT_COUNT(b'101010');
-- -> 4, 3
找尋與某一個 hash code 相似的圖片
SELECT * FROM image_hash
WHERE BIT_COUNT(hash ^ b'1010011110...') <= 10
參考來源：
MySQL 5.0 Bit Functions
6 回應:
這是第二次來這邊留言了，上ㄧ篇也是研究phash時用您的方法。您真的寫得很好，phash在破萬張的比對上顯得有些吃力，才想說用SQL來存...就找到你這邊來了。
我在破千張就覺得有點慢了，還是有DB會好一點！
請教一下, phash結果會隨windows跟liunx等環境因素有所不同嗎 ? 我自己的筆電跑一張圖的hash code 64位元字串速度很快(< 1秒)，但丟到虛擬主機，1張圖就要5秒左右(那虛擬主機性能不錯的...)。重點是跑出來的結果還不相同，兩張圖的distance為2，雖然是可以接受, 但還是好奇為何會這樣 ?
可能是縮圖函式造成的差異，你可以試試用 Imagick 做縮圖
$image = new Imagick($imagePath);
$image->thumbnailImage($width, $height);
$img = imagecreatefromstring($image->getImageBlob());
後來證實為虛擬主機的Imagick縮圖過慢，網路看一下也有人有這問題，貌似版本問題。另外親自試了幾次，phash比較精確，但dhash容錯率比較高，如果是要找相似圖片，dhash感覺好些。另外在網路上也有看到不錯的方法與您分享, Libpuzzle可以讓php呼叫，不過我的虛擬主機不能擴增套件所以就沒試，但據說效果很好~推薦給您
恩恩！找機會在來玩一玩！
張貼留言