J'aimerais pouvoir numériser une image et la réduire à un hachage cohérent que je peux ensuite comparer à un nouveau balayage pour voir si les deux images sont les mêmes.Comment réduire une image numérisée en hachage cohérent?
Toute aide à cet égard serait grandement appréciée!
Les approches suivantes sont peut-être plus puissantes que ce dont vous avez réellement besoin.
En vision par ordinateur, un domaine de recherche actif est en reconnaissance. Par exemple, si je devais construire un robot de nettoyage pour ma maison, il devrait être capable de reconnaître mon chien (afin de ne pas pulvériser de produits chimiques létaux). Ceci est rendu plus difficile car le robot ne regarde pas nécessairement le chien de la même perspective à chaque fois (et il peut bouger). c'est-à-dire qu'il devrait reconnaître que c'est mon chien sur les côtés, sur le devant ou sur le dos.
Pour entraîner ce robot, je lui montre quelques photos de mon chien dans différentes conditions d'éclairage, et il devrait pouvoir le reconnaître dans le futur.
Différentes approches sont utilisées pour extraire les caractéristiques saillantes d'une image qui peut vous aider à reconnaître les mêmes caractéristiques même si l'image a été prise sous un éclairage différent ou sous un angle différent.
Certaines techniques d'extraction de caractéristiques sont les suivantes:
SIFT (échelle invariante Feature Transform)
GIST (GIST descripteur)
HoG (Histogramme de Dégradés Oriented)
Cependant, plutôt que d'extraire manuellement des fonctionnalités, de nombreux systèmes modernes utilisent une méthode d'apprentissage de la machine neural-network si le robot/ordinateur peut apprendre à reconnaître les objets, en utilisant peut-être de la même manière que les humains apprennent. Je n'ai jamais fait de reconnaissance d'image, donc je ne suis pas sûr de leurs avantages/inconvénients, mais j'ai trouvé le sujet fascinant, et j'espère que les ordinateurs vont mieux reconnaître les choses (vision, voix, geste, etc.) .
Merci pour votre réponse utile! Je cherche vraiment du code, si tout va bien, donc quelqu'un d'autre va peser. –
Cherchez-vous une comparaison entre deux images (= comparaison floue) ou deux fichiers (= octet par comparaison d'octets)? –
@AlexeiLevenkov Je ne vois pas comment cela pourrait être quelque chose * mais * une comparaison floue. Je garantis qu'une page numérisée deux fois donnera des fichiers très différents au niveau de l'octet. –
(plus ou moins a) Duplicata de http://stackoverflow.com/questions/11931960/quickly-calculating-the-dirtied-areas-between-two-similar-images – PhonicUK