Image Fuzzy Matching

原理介绍

此项目是对imagehash这个Python库的延展原本项目是对两张图片进行对比, 然后给出一个数字结果, 数字越小说明两张图片越相似但原库的对比方法输入是两张图片, 在实际项目中使用效率比较低

经过阅读源码, 我们们发现imagehash图片对比的基本流程是:
1. 打开图片并通过算法转化成hash值
2. 把hash值转化成numpy array
3. 用numpy.count_nonzero()这个方法对两个numpy array进行对比得出结果

我们发现其实把图片通过imagehash转化为numpy array, 我们可以直接用numpy.count_nonzero()对两个numpy array进行对比也可以得到同样结果, 在实际项目中我们可以直接把这个numpy array可以转化成字符串并进行存储(字节长度小于100), 这样就可以提高使用效率, 具体方法在项目代码中

并且, 通过了解numpy.count_nonzero()这个方法的工作原理有可能实现图片的模糊搜索, 以后有空会做

代码讲解

把图片用PIL.Image打开
```
image = Image.open(path1)
```
用本项目中的fuzzy_match.image_2_string()把图片转化成字符串, 这里的字符串就可以进行存储
```
image_string = fuzzy_match.image_2_string(image)
```
需要对比时就把字符串用fuzzy_match.string_2_npArray()转化成numpy array
```
np_array1 = string_2_npArray(image_string)
```
用两个numpy array对比得出一个数字结果, 数值越小两张图片越相似
```
result = image_fuzzy_match(np_array1, np_array2)
```