# 哈希算法与图像特征提取
## 1. 引言
哈希算法是一种常见的密码学算法，用于将任意长度的数据映射为固定长度的哈希值。图像特征提取是计算机视觉中的重要任务，用于从图像中提取出具有代表性的特征。本文将结合Python编程语言，介绍哈希算法和图像特征提取，并给出相应的代码示例。
## 2. 哈希算法
### 2.1 哈希算法概述
哈希算法是一种将任意长度的输入映射为固定长度输出的算法。它具有以
原创
2023-09-08 06:37:33
106阅读
一、定义 Hash ：散列，通过关于键值(key)的函数，将数据映射到内存存储中一个位置来访问。这个过程叫做Hash，这个映射函数称做散列函数，存放记录的数组称做散列表(Hash Table)，又叫哈希表。 简单地说，它是密码学中的一个重要的函数，一般以Hash(.)表示。这个函数可以将任意一段数据（一般称这段数据为“消息”）压缩成固定长度的字符串（一般称输出的字符串为“摘要”）。
转载
2023-06-27 09:45:39
232阅读
常用的图像相似度比较有三种哈希算法：1.均值哈希算法 aHash 2.差值哈希算法 dHash 3.感知哈希算法 pHash均值哈希算法 步骤 1.缩放：图片缩放为 8*8 ，保留结构，除去细节。 2.灰度化：转换为灰度图。 3.求平均值：计算灰度图所有像素的平均值。 4.比较：像素值大于平均值记作 1 ，相反记作 0 ，总共 64 位。 5.生成 hash ：将上述步骤生成的 1 和 0 按顺序
转载
2023-12-09 16:00:06
59阅读
图像运算图像运算图像加法运算加号运算符cv2.add图像加权和按位逻辑运算按位与按位或按位非按位异或掩膜图像与数值的运算位平面分解图像加密和解密数字水印 图像运算图像加法运算可以通过加号运算符“+”对图像进行加法运算，也可以通过cv2.add()函数对图像进行加法运算。求得的和很可能超过255。上述两种不同的加法运算方式，对超过255的数值的处理方式是不一样的。加号运算符 “mod(a+b, 2
转载
2023-09-26 13:09:25
0阅读
一、SIFT特征简介：1.1算法简介： 尺度不变特征转换即SIFT (Scale-invariant feature transform)是一种计算机视觉的算法。它用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量。 局部影像特征的描述
转载
2023-12-05 23:33:00
976阅读
在讲解Sift特征点的检测与匹配之前，先讲一下本人对图像配准与特征点的理解。1. 图像配准图像配准，就是找到一幅图像与另一幅图像中相同位置点的一一映射关系，然后根据点映射关系，对其中的一幅图像（通常称为浮动图像或待配准图像）进行空间坐标变换（也称为像素重采样），使其与另一幅图像（通常称为参考图像）位置匹配。如下图所示，浮动图像与参考图像中具有相似的蓝色区域与黑点，但两者的位置并不匹配，也即相同部位
变量的引用变量 和 数据 都是保存在 内存 中的；在 python 中 函数的 参数传递 以及 返回值 都是靠 引用 传递 的在 python 中：变量和数据是分开储存的；
数据保存在内存中的一个位置；
变量保存着数据在内存中的地址；
变量中记录数据的地址，叫做引用；
使用 id（）函数可以查看变量中保存数据所在的地址；可变和不可变类型不可变类型，内存中的数据不允许被修改；数字型
字符串
元组可变
引言：Haar-like特征多用于人脸检测、行人检测，等目标检测；Haar-like特征可以理解为卷积模板(如同prewitt、sobel算子，当然不完全一样)，Haar-like特征模板内只有白色和黑色两种矩形，并定义该模板的特征值为白色矩形像素和减去黑色矩形像素和。Haar特征值反映了图像的灰度变化情况。例如：脸部的一些特征能由矩形特征简单的描述，如：眼睛要比脸颊颜色要深，鼻梁两侧比鼻梁颜色要
转载
2024-05-09 14:05:33
52阅读
SIFT（Scale-invariant feature transform）是一种检测局部特征的算法，它在空间尺度中对一副图寻找极值点，并提取出其位置、尺度、旋转不变量等描述子得到特征并进行图像特征点匹配，用来侦测与描述影像中的局部性特征。 它是基于物体上的一些局部特征SIFT特征是图像的局部特征，其对旋转、尺度缩放、亮度变化保持不变性，对视角变化、仿射变换、噪声也保持一定程度的稳定性；使用
转载
2024-08-23 18:37:46
106阅读
在图像处理中，有时候并不需要使用目标所有的像素，所以，可以从图像中提取能够表示图像特性或者局部特性的像素，这些像素叫做角点或者特征点。使用它可以极大地减少数据量，提高计算速度。它的应用也很广泛，比如基于特征点的图像匹配、定位和三维重建。一、特征点检测1、角点角点是图像中某些属性较突出的像素，比如像素值最大或者最小的点、线段的端点、孤立的边缘点等。1.1 Harris角点检测它
转载
2024-03-29 12:10:15
327阅读
系列文章目录
文章目录系列文章目录一、哈希（hash）的概念二、hashlib模块三、密码加盐 一、哈希（hash）的概念哈希的概念： 哈希也叫散列、杂凑，它是一类算法的统称，可以将输入的数据映射成为固定长度的一堆字符，这些字符被称为散列值（hash值、哈希值等）。散列值的特点：每次传入的数据相同，得到的散列值也一定相同；只能由传入的数据算出hsah值，不能由散列值得到原来的数据；只要哈希的具体
转载
2023-07-04 20:57:46
32阅读
1、你可以把哈希值简单地理解成是一段数据（某个文件，或者是字符串）的DNA，或者身份证；2、通过一定的哈希算法（典型的有MD5，SHA-1等），将一段较长的数据映射为较短小的数据，这段小数据就是大数据的哈希值。他有这样一个特点，他是唯一的，一旦大数据发生了变化，哪怕是一个微小的变化，他的哈希值也会发生变化。另外一方面，既然是DNA，那就保证了没有两个数据的哈希值是完全相同的。3、正是因为这样的特点
转载
2023-09-18 20:00:08
154阅读
需求是为了生成数据的‘指纹信息’，通过指纹信息来确认数据是否发生了改变。 通过md5.sha等数学方法去生成数据的指纹信息。 摘要算法又称为哈希算法、散列算法。把任意长度的数据转换为一个长度固定的数据串（通常用16进制的字符串表示）这些算法都是单向的，因此能够知道数据是都是被篡改过的。任意长度的数据经过算法的处理后得到一个长度固定的字符串（又称为哈希值）；但是通过哈希值并不能反推出数据。注意： 哈
转载
2023-09-18 17:09:36
82阅读
特征匹配在计算机视觉中常用于图像或视频中检测目标，首先我们先要了解下什么是特征。特征是独特的具体模式，并且易于跟踪和比较。通过一些寻找特征的算法来实现图像的特征检测，但仅仅是特征检测是不够的，还需要能够将一种特征与另一种特征区分开，这时就用到了特征描述来描述检测到的特征。这些描述能帮助我们在其他图像中找到相似的特征，并能够识别目标。常用的特征检测算法包括SIFT、SURF、BRIEF、FAST、B
转载
2024-05-17 11:55:08
299阅读
图像处理之图像特征及提取
图像处理过程中常用的特征提取方法
图像特征：
几何特征（位置与方向、周长、面积、长轴与短轴、距离(欧式距离、街区距离、棋盘距离)）；
形状特征（几何形态分析（Blob分析）：矩形度、圆形度、不变矩、偏心率、多边形描述、曲线描述）；
幅值特征（矩、投影）；
直方图特征（统计特征）：均值、方差、能量、熵、L1范数、L2范数等；直方图特征方法计算简单、具有平移和旋转不变性、对颜
转载
2021-07-29 13:52:28
7022阅读
这是一张灵异事件图。。。开个玩笑，这就是一张普通的图片。毫无疑问，上面的那副图画看起来像一幅电脑背景图片。这些都归功于我的妹妹，她能够将一些看上去奇怪的东西变得十分吸引眼球。然而，我们生活在数字图片的年代，我们也很少去想这些图片是在怎么存储在存储器上的或者去想这些图片是如何通过各种变化生成的。在这篇文章中，我将带着你了解一些基本的图片特征处理。data massaging 依然是一样的：特征提取，
转载
2024-07-04 21:25:39
37阅读
特征点的匹配1. 概述 如何高效且准确的匹配出两个不同视角的图像中的同一个物体，是许多计算机视觉应用中的第一步。但基于像素的匹配肯定是不行的，因此要用特征点来进行匹配。就需要找出一种能够在相机进行移动和旋转（视角发生变化），仍然能够保持不变的特征，利用这些不变的特征来找出不同视角的图像中的同一个物体。计算机视觉的研究者们设计了许多更为稳定的的特征点，这些特征点不会随着相机的移动，旋转或者光照的变化
转载
2023-11-06 16:00:46
214阅读
目录 xgb问题总结1、xgboost未学习到交叉特征如何解决分析（性别&年龄）2、xgboost如何处理离散类特征 3、xgboost调的参数有哪些通用参数Booster参数学习任务参数4、调参的通用方法5、xgb对缺失值是怎么处理的？6、XGBoost为什么使用泰勒二阶展开？7、正则惩罚的是什么？8、XGB寻找最佳分裂点9. 停止生长10. XGBoost为什么快1
转载
2024-01-10 17:21:53
100阅读
文章目录内容：SIFT：SURF：ORB：代码 内容：• 了解OpenCV中实现的SIFT, SURF, ORB等特征检测器的用法，并进行实验。将检测到的特征点用不同大小的圆表示，比较不同方法的效率、效果等。 • 了解OpenCV的特征匹配方法，并进行实验。SIFT：SIFT算法的过程实质是在不同尺度空间上查找特征点（关键点），用128维方向向量的方式对特征点进行描述，最后通过对比描述向量实现目
转载
2024-03-01 09:25:43
238阅读
这一部分主要梳理下图像增强相关的内容，图像增强指对拍摄后的照片进行后期的处理操作，包括亮度、对比度、清晰度、饱和度、色调等的调整。这里主要讲对比度和色调的增强。传统方法线性拉伸变换：指通过线性函数对图像灰度值进行变换。伽马变换：采用非线性函数（指数函数）对图像灰度值进行变换，，其中，r为灰度图像的输入值（原来的灰度值），取值范围为[0,1]。
转载
2024-01-25 22:59:14
750阅读
