饭否头像墙头像查找

README

首先下载一个头像墙，将其拉伸/压缩以使所有的头像长宽均为整数；

然后将文件信息和头像长宽填入 consts.py 内；

使用 hashall.py 生成 hashes.dat 文件；

使用 testone.py x.jpg 测试头像是否在头像墙内，
testone.py 会将头像墙中最接近的一个头像保存在 result.png，
同时在标准输出输出一行信息，格式为 (差异度, 位置)，
实验表明，差异度小于（不等于）5大体上可以认为是相同的。
位置表示为 (横坐标, 纵坐标)，单位为个数，左上角为 (0, 0)。

consts.py

# - * - coding: UTF-8 - * -

THUMB_WIDTH = 31
THUMB_HEIGHT = 31

# 这个是 avatarset.jpg 压缩为宽度 2976 后的文件
# 即每个头像为31x31
# 必须保证每个头像的长宽为整数，否则准确率大幅下降
BIG_IMAGE = '2976_1.png'

hashall.py

# - * - coding: UTF-8 - * -

import math
import marshal

from PIL import Image

from consts import *
from hashimage import avhash

hashes = []
im_all = Image.open(BIG_IMAGE)
for i in range(im_all.size[0] / THUMB_WIDTH):
    for j in range(im_all.size[1] / THUMB_HEIGHT):
        im_thumb = im_all.crop(
                (i * THUMB_WIDTH, j * THUMB_HEIGHT,
                    (i + 1) * THUMB_WIDTH, (j + 1) * THUMB_HEIGHT)
                )
        hashes.append(((i, j), avhash(im_thumb)))

marshal.dump(hashes, open('hashes.dat', 'wb'))

hashimage.py

# - * - coding: UTF-8 - * -

from PIL import Image

def avhash(im):
    im = im.resize((8, 8), Image.ANTIALIAS).convert('L')
    avg = reduce(lambda x, y: x + y, im.getdata()) / 64
    return reduce(lambda x, (y, z): x | (z << y),
            enumerate(map(lambda i: 0 if i < avg else 1, im.getdata())), 0)

def hamming(h1, h2):
    h, d = 0, h1 ^ h2
    while d:
        h += 1
        d &= d - 1
    return h

if __name__ == '__main__':
    im = Image.open('test.jpg')
    h = avhash(im)
    print hex(h)

testone.py

# - * - coding: UTF-8 - * -

import sys
import marshal

from PIL import Image

from consts import *
from hashimage import avhash, hamming

hashes = marshal.load(open('hashes.dat', 'rb'))
im_all = Image.open(BIG_IMAGE)

im = Image.open(sys.argv[1])
h = avhash(im)

hammings = []
for pos, hv in hashes:
    hammings.append((hamming(hv, h), pos))
hammings.sort()

def saveres(i, j):
    im_res = im_all.crop(
            (i * THUMB_WIDTH, j * THUMB_HEIGHT,
                (i + 1) * THUMB_WIDTH, (j + 1) * THUMB_HEIGHT)
            )
    im_res.save('result.png')

pos = hammings[0][1]
print hammings[0]
saveres(pos[0], pos[1])