用c++代码实现均值哈希法计算两张图片相似度

均值哈希算法是一种简单的图片相似度计算方法，其主要思路是将图片缩小为 8*8 大小，然后计算其像素的平均值，再将每个像素与平均值进行比较，如果大于平均值，该像素设为 1，否则为 0，这样就得到了一个 64 位的哈希值。比较两张图片的相似度就是计算它们的哈希值的汉明距离（即两个哈希值对应位不同的数量）。

下面是用 C 语言实现均值哈希算法计算两张图片相似度的代码示例：

#include <stdio.h>
#include <stdlib.h>
#include <string.h>

typedef unsigned char uchar;

// 缩小图片为 8*8 大小
void resize_image(uchar *src, int src_w, int src_h, uchar *dst, int dst_w, int dst_h)
{
    int i, j;
    int w_ratio = src_w / dst_w;
    int h_ratio = src_h / dst_h;
    uchar *p_src = src;
    uchar *p_dst = dst;

    for (i = 0; i < dst_h; i++)
    {
        for (j = 0; j < dst_w; j++)
        {
            *p_dst++ = (*(p_src + i * h_ratio * src_w + j * w_ratio) + 
                        *(p_src + i * h_ratio * src_w + j * w_ratio + 1) + 
                        *(p_src + (i * h_ratio + 1) * src_w + j * w_ratio) + 
                        *(p_src + (i * h_ratio + 1) * src_w + j * w_ratio + 1)) / 4;
        }
    }
}

// 计算图片的平均像素值
uchar get_average_value(uchar *img, int w, int h)
{
    int i, j;
    int sum = 0;
    uchar *p_img = img;

    for (i = 0; i < h; i++)
    {
        for (j = 0; j < w; j++)
        {
            sum += *p_img++;
        }
    }

    return sum / (w * h);
}

// 计算图片的均值哈希值
void get_hash_value(uchar *img, int w, int h, uchar *hash)
{
    int i, j;
    uchar avg_value = get_average_value(img, w, h);
    uchar *p_img = img;
    uchar *p_hash = hash;

    for (i = 0; i < h; i++)
    {
        for (j = 0; j < w; j++)
        {
            *p_hash++ = (*p_img++ > avg_value) ? 1 : 0;
        }
    }
}

// 计算两个哈希值的汉明距离
int hamming_distance(uchar *hash1, uchar *hash2, int len)
{
    int i, distance = 0;

    for (i = 0; i < len; i++)
    {
        if (hash1[i] != hash2[i])
        {
            distance++;
        }
    }

    return distance;
}

int main()
{
    uchar img1[256], img2[256], hash1[64], hash2[64];
    int i, hamming_dist;

    // 读取图片数据，这里假设图片为 16*16 大小
    FILE *fp1 = fopen("img1.raw", "rb");
    fread(img1, 1, 256, fp1);
    fclose(fp1);

    FILE *fp2 = fopen("img2.raw", "rb");
    fread(img2, 1, 256, fp2);
    fclose(fp2);

    // 缩小图片为 8*8 大小
    uchar img1_resized[64], img2_resized[64];
    resize_image(img1, 16, 16, img1_resized, 8, 8);
    resize_image(img2, 16, 16, img2_resized, 8, 8);

    // 计算图片的均值哈希值
    get_hash_value(img1_resized, 8, 8, hash1);
    get_hash_value(img2_resized, 8, 8, hash2);

    // 计算两个哈希值的汉明距离
    hamming_dist = hamming_distance(hash1, hash2, 64);

    printf("Hamming distance: %d\n", hamming_dist);

    return 0;
}

需要注意的是，这里假设图片为 16*16 大小，如果需要处理其他尺寸的图片，需要相应地修改代码。另外，由于哈希值是二进制的，可以使用位运算来进一步优化计算效率。