首页
/ 高效近似重复图像搜索与删除工具

高效近似重复图像搜索与删除工具

2024-06-14 15:26:51作者:裴锟轩Denise

作者:Umberto Griffo Twitter:@UmbertoGriffo

这款Python脚本是一款命令行工具,专门用于从目标目录中可视化、检查并删除近似重复的图像。它利用了ImageHash库中的pHash算法进行图像哈希,并将哈希值存储在KDTree结构中,进行最近邻搜索。

请注意: 我不对该脚本中的错误或意外删除图片负责。请谨慎使用并在操作前备份你的图片。这个算法设计用于发现几乎相同的图像,但不适用于寻找概念上相似的图像。

内容概览

pHash定义

pHash是一种基于图像特征生成独特(但非唯一)指纹的方法,这些指纹可比较。相对于MD5SHA1等加密哈希函数,感知哈希(perceptual hashes)是一个不同的概念。即使图像有缩放、不同比例或轻微色彩差异,它们仍能匹配到类似图像。

KDTree定义

KDTree是k维空间的一种空间划分数据结构,常用于组织点数据。特别地,它有助于按照特定条件对数据点进行组织和分区。KDTree在涉及多维度搜索键(如范围搜索和最近邻搜索)的应用中非常有用。

平均复杂度

操作 查找 插入 删除
时间 O(n) O(log n) O(log n)

其中n是点的数量。

搜索流程

删除过程

安装

查看INSTALL.md获取安装指南。

如何使用Makefile

先决条件

安装Python3virtualenv,参考INSTALL.md中的“选项2”。

  • 全部操作:make all
    • 进行设置、测试和打包。
  • 设置:make setup-env
    • 安装所有依赖项。
  • 导出环境依赖:make export_env
    • 导出一个requirements.txt文件,包含环境详细依赖。
  • 测试:make test
    • 运行所有测试。
    • 使用pytest
  • 清理:make clean
    • 移除环境。
    • 移除所有缓存文件。
  • 检查:make check
    • 确保which pip3which python3指向正确路径。
  • 代码风格检查:make lint
    • 检查PEP8合规性和代码异味,使用pylint
  • 打包:make package
    • 创建软件包以安装。

注意: 作为初始化命令运行设置(或在清理后运行)

使用方法

参数

  <command>             delete 或 show 或 search。

  --images-path /path/to/images/
                        图像所在的目录。
  --output-path /path/to/output/
                        结果保存的目录。
  -q /path/to/image/, --query /path/to/image/
                        查询图像的路径
  --tree-type {KDTree,cKDTree}
  --leaf-size LEAF_SIZE
                        树的叶子大小。
  --hash-algorithm {average_hash,dhash,phash,whash}
                        使用的哈希算法。
  --hash-size HASH_SIZE
                        哈希的尺寸。
  -d {euclidean,l2,minkowski,p,manhattan,cityblock,l1,chebyshev,infinity}, --distance-metric {euclidean,l2,minkowski,p,manhattan,cityblock,l1,chebyshev,infinity}
                        距离度量。
  --nearest-neighbors NEAREST_NEIGHBORS
                        最近邻数量。
  --threshold THRESHOLD
                        门限值。
  --parallel [parallel]
                        是否启用并行计算。
  --batch-size BATCH_SIZE
                        并行时使用的批次大小。
  --backup-keep [BACKUP_KEEP]
                        是否保存要保留的图像。
  --backup-duplicate [BACKUP_DUPLICATE]
                        是否保存副本。
  --safe-deletion [SAFE_DELETION]
                        是否执行安全删除(不实际删除)。
  --image-w IMAGE_W     将源图像调整为指定大小。
  --image-h IMAGE_H     将源图像调整为指定大小。

从目标目录中删除近似重复图像

$ deduplication delete --images_path <target_dir> --output_path <output_dir> --tree_type KDTree

例如:

deduplication delete \
--images-path datasets/potatoes_multi_folder  \
--output-path outputs \
--tree-type KDTree \
--threshold 40 \
--parallel y \
--nearest-neighbors 5 \
--hash-algorithm phash \
--hash-size 8 \
--distance-metric manhattan \
--backup-keep y \
--backup-duplicate y \
--safe-deletion y \

从指定的查询图像中查找近似重复图像

$ deduplication search \
 --images_path <target_dir> \
 --output_path <output_dir> \
 --query <指定的查询图像文件>

例如:

deduplication search \
--images-path datasets/potatoes \
--output-path outputs \
--tree-type KDTree \
--threshold 40 \
--parallel f \
--nearest-neighbors 5 \
--hash-algorithm phash \
--hash-size 8 \
--distance-metric manhattan \
--query datasets/potatoes/2018-12-11-15-031193.png

通过t-SNE显示目标目录中的近似重复图像

$ deduplication show --images_path <target_dir> --output_path <output_dir>

例如:

deduplication show \
--images-path datasets/potatoes \
--output-path outputs \
--parallel y \
--image-w 32 \
--image-h 32

待办事项

  • [x] 使用t-SNE来可视化近似重复图像的聚类
  • [ ] 参考其他实现获取灵感
  • [ ] 试图使用更快的实现,如:平行t-SNE、快速傅立叶变换加速的插值t-SNE、扩展的并行t-SNE和局部敏感哈希

此项目以其高效的搜索机制和安全的删除功能,结合强大的t-SNE可视化,是管理和整理大量图像资源的理想工具。无论你是摄影师、设计师还是数据分析师,这款工具都能帮助你有效地处理重复图像问题。立即尝试,让图像管理变得轻松!

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
51
14
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
289
813
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
110
194
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
483
387
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
58
139
CangjieMagicCangjieMagic
基于仓颉编程语言构建的 LLM Agent 开发框架,其主要特点包括:Agent DSL、支持 MCP 协议,支持模块化调用,支持任务智能规划。
Cangjie
577
41
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
96
250
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
356
280
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
364
37
MateChatMateChat
前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。 官网地址:https://matechat.gitcode.com
688
86