开源工具imagededup让查找重复图像变得更容易

imagededup是一个Python软件包，它简化了在图像集合中查找精确且几乎重复的任务。

下面这些图显示了排除重复照片：

 

该软件包提供了利用散列算法的功能，这些算法特别擅长查找精确的重复项，而卷积神经网络也擅长查找近似的重复项。还提供了评估框架来判断给定数据集的重复数据删除质量。

以下详细介绍了软件包提供的功能：

1. 使用以下算法之一在目录中查找重复项：

• 卷积神经网络（CNN）
• 感知哈希（PHash）
• 差异哈希（DHash）
• 小波哈希（WHash）
• 平均哈希（AHash）

1. 使用上述算法之一为图像生成编码。
2. 给定基础事实映射的评估重复数据删除有效性的框架。
3. 绘制找到给定图像文件的重复项。

 

imagededup与Python 3.6兼容，并根据Apache 2.0许可进行分发。

有两种安装imagededup的方法：

1.从PyPI安装imagededup（推荐）：

•  

pip install imagededup

 

Note️注意：默认情况下，imagededup附带仅TensorFlow CPU支持。如果您有GPU，则应该安装具有GPU支持的TensorFlow版本，尤其是在使用CNN查找重复项时。它的速度更快。有关如何安装的更多详细信息，请参见TensorFlow指南。

2.从GitHub来源安装imagededup：

•  

git clone https://github.com/idealo/imagededup.git
cd imagededup
python setup.py install

快速开始

为了使用感知哈希在图像目录中查找重复项，可以使用以下工作流程：

导入感知哈希方法

•  

from imagededup.methods import PHash
phasher = PHash()

 

为图像目录中的所有图像生成编码

•  

encodings = phasher.encode_images(image_dir='path/to/image/directory')

 

使用生成的编码查找重复项

•  

duplicates = phasher.find_duplicates(encoding_map=encodings)

 

使用重复字典来绘制给定文件（例如：“ ukbench00120.jpg”）获得的重复

•  

from imagededup.utils import plot_duplicates
plot_duplicates(image_dir='path/to/image/directory', 
 duplicate_map=duplicates, 
 filename='ukbench00120.jpg')

 

输出如下：

 

 

 

工作流的完整代码为：

•  

from imagededup.methods import PHash
phasher = PHash()
# Generate encodings for all images in an image directory
encodings = phasher.encode_images(image_dir='path/to/image/directory')
# Find duplicates using the generated encodings
duplicates = phasher.find_duplicates(encoding_map=encodings)
# plot duplicates obtained for a given file using the duplicates dictionary
from imagededup.utils import plot_duplicates
plot_duplicates(image_dir='path/to/image/directory', 
 duplicate_map=duplicates, 
 filename='ukbench00120.jpg')

有关更多示例，请参考存储库的这一部分。

有关软件包功能的更多详细用法，请参阅：

https://idealo.github.io/imagededup/

•  

@misc{idealods2019imagededup,
 title={Imagededup},
 author={Tanuj Jain and Christopher Lennan and Zubin John and Dat Tran},
 year={2019},
 howpublished={\url{https://github.com/idealo/imagededup}},
}

 

Idealo的主要业务是商品比较，图像检索是查询相同商品的重要手段，因此其开源imagededup应该值得参考。

开源地址：

https://github.com/idealo/imagededup