ここでは、類似画像検出法の一つであるAverage HASHを説明します。
二つの画像を比較して、類似度を算出するAverage Hash法を解説することにより、類似度の意味を理解して頂くことを目的としています。
- 比較元の画像ファイルを読込みます。
- 元画像をグレースケール化します。
- 元画像の縦横比を無視して、１６×１６ピクセル（総画素数２５６）に縮小します。
１０倍に拡大表示しています。
- これで画像のRGB(赤・緑・青)の各色素は輝度情報(0～255の値を取ります)のみになります。
- RGBのいずれかを選択し(RGBどれを選択しても得られる輝度情報は同じ値である)、全ピクセル(２５６ピクセル)の輝度平均(Average)を求めます。
- 改めて全ピクセル平均輝度(Average)と各ピクセルの輝度を比較し、ピクセル輝度が平均輝度より大きい場合は”1″、ピクセル輝度が平均輝度以下なら”0″として判定して行きます。
- この結果、256ビットのAverage Hashが求められます。（以下このAverage Hashをソースハッシュと呼びます）
- 次に、比較先画像を読み込みます。
- 上記２～６と同じ処理を比較先画像に対して行います。
出来上がったAverage Hashをターゲットハッシュと呼びます。 - ソースハッシュとターゲットハッシュをXOR(排他的論理和)演算します。
ソースハッシュ ：1001100011001011・・・・10011 ２５６ビットの２進数
ターゲットハッシュ ：1001000010000111・・・・10010 ２５６ビットの２進数
XOR演算値 ：0000100001001100・・・・00001 ２５６ビットの２進数 - XOR計算値から”1″の数を求めます。１の所が一致していないことになっっています。これをUnmatched Countと呼ぶことにします。
- 次式で一致度(%)を求めます。
一致度(%)＝１００－（Unmatched Count／２５６） - この結果、
比較元画像と
比較先画像の
一致度は８２．４％となります。 - IMCで採用している画像比較法はAverage Hash法のみならず
Perceptual Hash法（公知の方法）
Color Hash法（独自開発）
Contour Hash法（独自開発）
共にXOR演算値を求めて、一致度(%)を算出しています。
最後にAverage Hashアルゴリズムを開発されたDr. Neal Krawetz氏に感謝いたします。