【工具】Java图片相似度匹配工具

方案一

通过像素点去匹配

/*** * @param file1Url   图片url* @param file2Url   图片url* @return*/public static double img相似度Url(String file1Url, String file2Url){InputStream inputStream1 = HttpUtil.createGet(file1Url).execute().bodyStream();InputStream inputStream2 = HttpUtil.createGet(file2Url).execute().bodyStream();BufferedImage image1 = ImgUtil.read(inputStream1);BufferedImage image2 = ImgUtil.read(inputStream2);try {inputStream1.close();} catch (IOException e) {e.printStackTrace();}try {inputStream2.close();} catch (IOException e) {e.printStackTrace();}
//
//        String Base641 = Base64.encode(inputStream1);
//        String Base642 = Base64.encode(inputStream2);
//
//
//        if(StrUtil.equals(Base641, Base642)){
//            return 100;
//        }return WTool.img相似度(image1, image2);}/*** 必须宽高一样* 通过像素点逐个去比对* @param file1* @param file2* @return*/public static double img相似度(BufferedImage file1, BufferedImage file2){int aheight = file1.getHeight();int awidth = file1.getWidth();int bHeight = file2.getHeight();int bWidth = file2.getWidth();if(aheight != bHeight){System.out.println("高度不同");System.out.println(aheight);System.out.println(bHeight);return 0;}if(awidth != bWidth){System.out.println("宽度不同");System.out.println(awidth);System.out.println(bWidth);return 0;}int 不相同点 = 0;int sum = aheight * bWidth;for (int i = 0; i < aheight; i++) {for (int i1 = 0; i1 < bWidth; i1++) {int rgba = file1.getRGB(i1, i);int rgbb = file2.getRGB(i1, i);if(rgba != rgbb){不相同点++;}}}BigDecimal 不相同点Big  = new BigDecimal(不相同点);BigDecimal sumBig  = new BigDecimal(sum);BigDecimal big100  = new BigDecimal(100);BigDecimal 相似度Big = big100.subtract(不相同点Big.divide(sumBig, MathContext.DECIMAL32).multiply(new BigDecimal(100)));int 相似度 = 相似度Big.intValue();log.info("共:{}, 不相同点:{}, 相似度:{}%", sum, 不相同点, 相似度);file1.flush();file2.flush();return 相似度Big.doubleValue();}

依赖

        <!--hutool工具集--><dependency><groupId>cn.hutool</groupId><artifactId>hutool-all</artifactId><version>5.8.22</version></dependency>

加强优化方案

1 加载两张待比较的图片；
2 将图片转换为灰度图像；
3 对灰度图像进行降噪处理；
4 提取图像特征，例如使用SIFT算法提取关键点和描述子；
4 计算图像相似度，比较两张图片的特征数据；
5 根据相似度的结果进行判断，确定两张图片是否相似。

其他方案

一个常用的库是OpenCV（Open Source Computer Vision Library）