opencv 利用哈希值算法大批量删除数据集中重复的图片

时间: 2023-12-30 21:04:19 浏览: 35
你可以使用哈希值算法来检测和删除数据集中的重复图片。一种常用的哈希算法是感知哈希算法(Perceptual Hashing),它可以将图片转换成一个唯一的哈希值。以下是使用OpenCV和Python进行大批量删除重复图片的基本步骤: 1. 导入所需的库: ```python import os import cv2 import imagehash from PIL import Image ``` 2. 定义一个函数来计算图片的哈希值: ```python def calculate_hash(image_path): image = Image.open(image_path) image_hash = imagehash.average_hash(image) return str(image_hash) ``` 3. 创建一个空字典来存储每个哈希值及其对应的图片路径: ```python hash_dict = {} ``` 4. 遍历数据集中的每张图片,计算其哈希值,并将哈希值及其对应的图片路径存储在字典中: ```python dataset_path = 'your_dataset_path' for root, dirs, files in os.walk(dataset_path): for file in files: image_path = os.path.join(root, file) image_hash = calculate_hash(image_path) if image_hash in hash_dict: hash_dict[image_hash].append(image_path) else: hash_dict[image_hash] = [image_path] ``` 5. 遍历字典中的每个哈希值,如果该哈希值对应的图片路径数量大于1,则删除重复图片(保留一张即可): ```python for image_hash, image_paths in hash_dict.items(): if len(image_paths) > 1: for i in range(1, len(image_paths)): os.remove(image_paths[i]) ``` 注意:在删除图片之前,请务必备份你的数据集,以防止误删。 这是一个基本的示例,你可以根据自己的需求进行相应的修改和优化。希望能对你有所帮助!

相关推荐

最新推荐

recommend-type

基于OpenCv的运动物体检测算法

主要为大家详细介绍了基于OpenCv的运动物体检测算法,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
recommend-type

C#中OpenCvSharp 通过特征点匹配图片的方法

主要介绍了OpenCvSharp 通过特征点匹配图片的方法,本文通过实例代码给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下
recommend-type

Opencv基于CamShift算法实现目标跟踪

主要为大家详细介绍了Opencv基于CamShift算法实现目标跟踪,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
recommend-type

OpenCV中的cv::Mat函数将数据写入txt文件

主要介绍了OpenCVcv::Mat中的数据按行列写入txt文件中,需要的朋友可以参考下
recommend-type

Opencv EigenFace人脸识别算法详解

主要为大家详细介绍了Opencv EigenFace人脸识别算法的相关资料,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

用matlab绘制高斯色噪声情况下的频率估计CRLB,其中w(n)是零均值高斯色噪声,w(n)=0.8*w(n-1)+e(n),e(n)服从零均值方差为se的高斯分布

以下是用matlab绘制高斯色噪声情况下频率估计CRLB的代码: ```matlab % 参数设置 N = 100; % 信号长度 se = 0.5; % 噪声方差 w = zeros(N,1); % 高斯色噪声 w(1) = randn(1)*sqrt(se); for n = 2:N w(n) = 0.8*w(n-1) + randn(1)*sqrt(se); end % 计算频率估计CRLB fs = 1; % 采样频率 df = 0.01; % 频率分辨率 f = 0:df:fs/2; % 频率范围 M = length(f); CRLB = zeros(M,1); for
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。