Як визначити дублікати картинок за допомогою PHP - Сайт - У Крайнього
У будь-якому проекті людський фактор ніхто не скасовував, і якщо користувачі самостійно вантажать картинки на сайт – появи дублікатів не уникнути. Коли доходить до тисяч файлів, очима всього не переглянути, а картинки, що повторюються, мало того, що нікому не потрібні, так ще й займають місце, витрачають ресурс і врешті-решт гальмують роботу.
Тому рано чи пізно постає питання автоматизації процесу пошуку повторів, і ми розглянемо основні, і навіть спробуємо у справі.
Порівняння файлів через функцію hash
Одним із способів визначення дублікатів є порівняння файлів шляхом генерації хеш-значення із вмісту заданого файлу.
Простий приклад обчислення хешу зображення:
Результат виглядає приблизно так: bff8b4bc8b5c1c1d5b3211dfb21d1e76
Якщо хеші двох зображень збігаються – зображення однакові. Метод далеко не найточніший, тому що працює тільки для ідентичних картинок, при найменшому відмінності - користь нуль.
ImageMagick
Функція обробки зображень Imagick::compareImages повертає масив, який містить відновлене зображення та різницю між зображеннями.
Приклад використання при порівнянні двох зображень:
У результаті дві порівнювані картинки ліпляться в одну, на якій видно відмінності. Також можна отримати числове вираження відмінностей за кожним параметром (приклад з оф.сайту):
gd2 та libpuzzle
Для швидкого пошуку дублікатів необхідно встановити бібліотеки gd2 та libpuzzle.
Libpuzzle створена для швидкого пошуку візуальної схожості зображень (GIF, PNG, JPEG). Спочатку растрова картинка розбивається на блоки - автоматично відкидаються рамки, що не несуть особливо значущої інформації. Різниця між суміжнимиблоками формує вектор – це так званий підпис картинки. Схожість картинок визначається відстанню між двома такими векторами. Тому зазвичай зміна кольору, ресайз або стиск не впливають на результати, що видаються libpuzzle.
Libpuzzle досить проста у використанні. Обчислення підпису для двох зображень:
Обчислення відстані між підписами:
Перевірка зображень на схожість:
Стиск підписів для зберігання в базі даних:
Перцептивний хеш
Найімовірніше, найточніший спосіб знаходження дублікатів – порівняння файлів через перцептивний хеш. Перевірка на схожість проводиться шляхом підрахунку кількості позицій, що відрізняються між двома хешами, це відстань Хеммінга. Чим відстань менша — тим більший збіг.
Установка для UNIX платформ виглядає так:
Спробувати можна через i.onthe.io/phash. Завантаження зображень через інтерфейс та на виході показник «однаковості».
Як це працює
Отримуємо хеш першого зображення:
Отримуємо хеш другого зображення:
Отримуємо відстань Хеммінга між двома зображеннями:
Ми зробили майже всі можливі маніпуляції з однією і тією ж фотографією, щоб перевірити, які зміни заважають визначати дублікати через pHash, а які ні.
Наприклад, при дзеркальному відображенні картинка залишається невпізнаною. Зате з квітами можна грати скільки завгодно - на результат порівняння це не вплине. Чого не можна сказати про маніпуляції з RGB-каналами, Джона знову не впізнали, хоч і відстань Хеммінга для такого випадку набагато менша.
Інші результати виглядають так:
| Змінене ім'я файлу | Кроп (34)* |
| Формат (JPEG, PNG, GIF) | Поворот 90° (32)** |
| Оптимізація Google PageSpeed | Дзеркальне відображення (36) |
| Ресайз із збереженням пропорцій та без | Зміна положення кривих у RGB-каналах (18) |
| Зміна колірної гами та чіткості |
**те саме, що й з кропом. При повороті на пару градусів відстань незначна, але чим більший кут нахилу – тим сильніша відмінність.