エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
[Python][画像処理] 輝度・位置情報を考慮した画像特徴量・類似度判定 – dHash/aHash | deecode blog
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
[Python][画像処理] 輝度・位置情報を考慮した画像特徴量・類似度判定 – dHash/aHash | deecode blog
xHash共通の利点 SIFTやHoGは高次元で算出にもそれなりに時間がかかるが、xHashは基本小さくリサイズし... xHash共通の利点 SIFTやHoGは高次元で算出にもそれなりに時間がかかるが、xHashは基本小さくリサイズして画素ごとに演算して数十~数百のビット列にするだけです。 また、特徴量自体も数十~数百のビット列のため、比較演算が高速だったり、容量が小さいため特徴量の保持も容易にできます。 aHashの仕組み 流れは以下の感じです。ハッシュの大きさは8×8である必要がなく調整が可能です。 画像をリサイズ一般的に8×8程度らしい画像の平均輝度を算出平均輝度より高ければ1, 低ければ0とする一列に並べて8×8=64次元のビット列になる