有没有查重图片相识度的软件?

2023-12-11 09:03:23 +08:00
 myk889090
就是两张照片的相识度做对比的 app 或者网站
1992 次点击
所在节点    问与答
18 条回复
Martens
2023-12-11 09:05:48 +08:00
苹果手机自带的相册可以
myk889090
2023-12-11 09:07:33 +08:00
@Martens 我的意思是上传两张照片查看相识度,比如同一个人多次 ps 的照片
MicroSharpAnt
2023-12-11 09:16:24 +08:00
Picsee 上有个这个东西,可以对比选的文件夹中相似的图片,有个参数可以调整相似的程度
tool2d
2023-12-11 09:24:36 +08:00
我的网站可以,如果你仔细搜一下,也有很多去重的本地图片工具。

https://tool2d.com/#imagehash
hanglife
2023-12-11 09:41:41 +08:00
DigitalVolcano Duplicate Cleaner
callmesmc
2023-12-11 09:47:14 +08:00
你是指把 ps 过的区域标出来吗?
myk889090
2023-12-11 09:47:15 +08:00
@MicroSharpAnt 你分享的这个系统不支持
myk889090
2023-12-11 09:49:37 +08:00
@callmesmc 不是,上传两张照片查看相识度,比如结果显示 70%,那就是同一个物体
yohirowang
2023-12-11 09:49:59 +08:00
BeyondCompare 可以啊,还可以调整容差
myk889090
2023-12-11 09:50:06 +08:00
楼上全部给我分享的是去除相同照片的
dreasky
2023-12-11 09:57:30 +08:00
有没有查视频相似度的软件
cpper
2023-12-11 09:58:06 +08:00
软件到没有看到;但是可以自己用 py 写一个计算 psnr 值的小脚本;很简单; psnr 值可以衡量两张图片的相似度
myk889090
2023-12-11 10:03:11 +08:00
@cpper py 俺不会啊,环境都没有
myk889090
2023-12-11 10:12:46 +08:00
import os
from PIL import Image
import math
import numpy as np

# 定义计算 psnr 的函数
def psnr(img1, img2):
mse = np.mean((img1 - img2) ** 2 )
if mse == 0:
return 100
PIXEL_MAX = 255.0
return 20 * math.log10(PIXEL_MAX / math.sqrt(mse))

# 获取所有 jpg 图片的路径
jpg_list = []
for root, dirs, files in os.walk('images'):
for file in files:
if file.endswith('.jpg'):
jpg_list.append(os.path.join(root, file))

# 遍历所有图片计算 psnr
for i in range(len(jpg_list)):
img1 = Image.open(jpg_list[i])
img2 = Image.open('original.jpg')
img1 = np.array(img1)
img2 = np.array(img2)
print(jpg_list[i] + ' psnr: ', psnr(img1, img2))
myk889090
2023-12-11 10:13:28 +08:00
@cpper 这个是 ai 写的,但是第 2 行就报错了
tool2d
2023-12-11 10:27:04 +08:00
@myk889090 "楼上全部给我分享的是去除相同照片的"

极少有两张图片完全一致的,去相同照片的原理,就是计算相似度百分比。

方法有很多,我网站用的是 idct 算法。
mekopean
2023-12-11 10:41:46 +08:00
方法还是很多的,比如:
1. 计算颜色直方图
2. 特征匹配
3. 用预训练好的 CLIP
基于你的需求,同一个人多次 PS 是否相同,感觉还是上深度学习吧,单纯的从图片提取特征做不太好做。因为很多人 PS 或者化妆之后跟本人就是两个样子
zhumengyang
2023-12-11 11:25:33 +08:00
阿里云盘 可以看看

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/999244

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX