Phashion 技术文档
本文档旨在帮助用户安装、使用以及详细了解 Phashion 项目。Phashion 是一个 Ruby 的封装库,用于 pHash 库,能够检测多媒体文件(例如图片、音频、视频)的重复和近似重复项。目前,Phashion 仅支持图片。
安装指南
安装 Phashion 与安装其他 Ruby gem 类似:
gem install phashion
Phashion 的安装相对复杂,因为它有一些依赖项。Phashion 将这些依赖项打包成一个自定义的 tarball,以便在本地构建该 gem,无需进行特殊操作。详细信息请查看 ext/phashion_ext 文件夹。
兼容性
由于这种复杂性,gem 安装可能会在你的平台上失败。Phashion 已经在以下平台上进行了测试:
- Mac OSX 10.6
- Mac OSX 10.9
- Ubuntu 8.04
- Ubuntu 12.04
如果你在安装过程中遇到问题,请在 GitHub 上打开一个 issue。
预先条件
Linux:
- libjpeg-dev
- libpng-dev
Mac:
- imagemagick
- libjpeg (Homebrew,
brew install libjpeg; Macports,port install jpeg) - libpng (Homebrew,
brew install libpng; Macports,port install libpng)
常见错误
ld: library not found for -ljpeg— 你是否安装了libjpeg?... sh: convert: command not found; sh: gm: command not found— 你是否安装了 imagemagick?... checking for sqlite3ext.h... *** extconf.rb failed *** ...— 你是否安装了libpng-dev和/或libjpeg-dev?
项目使用说明
检查两张图片是否为重复
require 'phashion'
img1 = Phashion::Image.new(filename1)
img2 = Phashion::Image.new(filename2)
img1.duplicate?(img2)
# --> true
可选地,你可以在第二个参数中设置最小汉明距离,这是一个选项哈希:
img1.duplicate?(img2, :threshold => 5)
# --> true
img1.duplicate?(img2, :threshold => 0)
# --> false
计算两张图片的汉明距离
require 'phashion'
img1 = Phashion::Image.new(filename1)
img2 = Phashion::Image.new(filename2)
img1.distance_from(img2)
# --> 6
重复检测的阈值
目前,两个重复图片之间的最大汉明距离设置为 15。根据 mperham 的解释:
“感知哈希”是基于图像频率谱数据的离散余弦变换得到的 64 位值。相似的图像将具有接近的哈希值,在汉明距离上。即,二进制哈希值 1000 比值为 0011 更接近 0000,因为它只有一个位不同,而后者有两个位不同。重复阈值定义了两个哈希之间必须有多少个位不同,才能将两个关联的图像视为不同的图像。我们的测试表明,15 个位是一个不错的起始值,它可以检测到所有重复项,最少出现假阳性。
以下是一些使用 /test/jpg/Broccoli_Super_Food.jpg 作为源图像的测试比较的汉明距离:
| 变体 | 汉明距离 |
|---|---|
| JPG 转换为 PNG | 0 |
| 有损 JPG (Photoshop 保存为网页质量 = 20) | 0 |
| 缩略图 (从 500px 转换为 100px) | 2 |
| 色彩校正 (饱和度 +20 自动校正) | 2 |
| 黑白 | 2 |
| 额外的空白裁剪 (500x349 裁剪为 466x312) | 12 |
| 5 度顺时针旋转的模糊图像 | 14 |
| 水平翻转 | 32 |
项目 API 使用文档
Phashion 提供了一些简单的方法用于图像比较:
Phashion::Image.new(filename):创建一个新的 Phashion 图像实例。duplicate?(other_image, options = {}):检查当前图像是否与另一个图像重复。distance_from(other_image):计算当前图像与另一个图像的汉明距离。
项目安装方式
如前所述,Phashion 可以通过 Ruby gem 的方式安装:
gem install phashion
请确保你的系统满足了上述预先条件,以确保安装过程顺利进行。
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00- DDeepSeek-OCR暂无简介Python00
openPangu-Ultra-MoE-718B-V1.1昇腾原生的开源盘古 Ultra-MoE-718B-V1.1 语言模型Python00
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
AI内容魔方AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。03
Spark-Scilit-X1-13BFLYTEK Spark Scilit-X1-13B is based on the latest generation of iFLYTEK Foundation Model, and has been trained on multiple core tasks derived from scientific literature. As a large language model tailored for academic research scenarios, it has shown excellent performance in Paper Assisted Reading, Academic Translation, English Polishing, and Review Generation, aiming to provide efficient and accurate intelligent assistance for researchers, faculty members, and students.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile013
Spark-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00