imghash - Rust 的图像哈希

• imghash - Rust 的图像哈希
  • 用法
    • 快速入门
    • 编码 & 解码
    • 汉明距离
    • 自定义哈希器
  • Python 兼容性

imghash 是一个crate，允许您为图像生成不同的哈希值。以下哈希值可以使用此crate生成

• 平均哈希
• 差异哈希
• 感知哈希

用法

根据您的用例，有多种方式可以使用 imghash。

快速入门

使用 imghash 的简单方法是使用提供的实用函数，这些函数假设合理的默认值。

use imghash::{average_hash, difference_hash, perceptual_hash};

let path = Path::new("path/to/my/image");

let average = average_hash(path);
let difference = difference_hash(path);
let perceptual = perceptual_hash(path);

这些函数中的每一个都返回一个 Result<ImageHash, String> 类型。本质上，ImageHash 对象是一个用于图像编码位矩阵的容器（了解更多 这里）。可以通过调用 encode 方法将 ImageHash 编码为十六进制字符串。

let res: String = hash.encode();

编码 & 解码

可以使用 encode() 方法将哈希编码为十六进制字符串。

let res: String = hash.encode();

十六进制字符串也可以解码回 ImageHash。

let res: Result<ImageHash, String> = hash.decode("24f0", 4, 4);

哈希的第一个参数是字符串，第二个和第三个是底层矩阵的宽度和高度。这是必需的，因为每个字符串都可以编码为不同大小的矩阵。如果您想了解更多关于底层位矩阵的信息，请阅读有关 编码 的文档。

汉明距离

汉明距离是两个哈希之间的距离，由它们之间不同的位数定义。这个距离可以很容易地计算

let distance: Result<usize, String> = hash.distance(other_hash);

如果哈希的大小不同，这可能会产生错误。

自定义哈希器

如果您需要更多灵活性，例如计算比默认值更大的位矩阵，您可以使用自定义的 Hasher。

对于每种哈希类型，crate 都提供了一个自定义哈希器；在这里，我们将使用 AverageHasher 作为示例。

use imghash::{average::AverageHasher};

let path = Path::new("path/to/my/image");

let hasher = AverageHasher {
  width: 10,
  height: 10,
};

let hash = hasher.hash_from_path(path);

Hasher 实例还可以让您为已加载的图像创建哈希值

let img = ImageReader::open(...);

let hasher = AverageHasher { ..Default::default() };

let hash = hasher.hash_from_img(&img);

每个哈希器也实现了 Default 特性，允许您使用它们的默认值来创建它们

let hasher = AverageHasher { ..Default::default() };

Python 兼容性

推动开发此 crate 的一个主要因素是需要对一个哈希器实现，使其与 Python 的 imagehash 包 相匹配。

现在可以在这里找到带有 Python 绑定的包装器 这里。

截至版本 1.2.0，本 crate 生成的所有哈希值都应与 imagehash 生成的哈希值匹配 - 然而，对于其他任何包或 crate 都不能保证。此 crate 的早期版本（<1.2.0）生成的哈希值 不 相同。要确保您生成相同的哈希值，请将哈希器的颜色空间设置为 REC601，因为这将确保使用与 Pillow 相同的灰度化 - 这被配置为默认值。