局部敏感哈希算法的代码

locality-sensitive hashing（局部敏感哈希），实现高位数据搜索平台

# -*- coding:utf-8 -*-

import sys
import math
import time
import string

from opencv.cv import *
from opencv.highgui import *

Hash_1 = [1 3 7 8]
Hash_2 = [2 6 9 14] 
Hash_3 = [3 5 15 21]
Hash_4 = [12 17 19 23]

#对SIFT特征向量进行归一化处理
def Make_Norm（array）:
    total = 0
    normalization = [0] * len（array）
    for i in range（len（array））:
        total += array[i] ** 2
    total = total ** 0.5
    if total != 0:
        for i in range（len（array））:
            normalization[i] = float（array[i]） / total
    return normalization

#得到需要的12维颜色直方图向量
def Get_vector（image）:
    width = image.width
    height = image.height
    vector = [0] * 12
    index = 0
    for m in range（2）:
        for n in range（2）:
            total = 0
            for i in range（m * width / 2 （m+1） * width / 2）:
                for j in range（n * height / 2 （n+1） * height / 2）:
                    for k in range（3）:
                        vector[index+k] += image[ji][k]
            for k in range（3）:
                total += vector[index+k]
            for k in range（3）:
                vector[index+k] = vector[index+k] / total
            index += 3
    return vector

#对12维向量做量化处理
def Make_character（vector）:
    for i in range（len（vector））:
        if vector[i] < 0.3:
            vector[i] = 0
        elif vector[i] > 0.6:
            vector[i] = 2
        else:
            vector[i] = 1
    return vector

#对向量在相应hash函数上求投影
def Make_projection（I vector）:
    section = {}
    projection = ““ 
    I.sort（）
    for i in range（len（I））:
        tmp = （I[i] + 1） / 2
        try:
            section[tmp].append（I[i]）
        except:
            section[tmp] = []
            section[tmp].append（I[i]）
    for i in range（1 len（vector）+1）:
        num = 0
        try:
            current = section[i]
            for j in range（len（current））:
                if current[j] - 2 * （i - 1） <= vector[i-1]:
                    num += 1
            projection += （num * “1“ + （len（current） - num） * “0“）
        except:
            pass
    return projection

#求两个图片对应的特征向量的相似度
def Get_similarity（point1 point2）:
    totalSum = 0
    for i in range（len（point1））:
        totalSum += point1[i] * point2[i]
    return totalSum

#求每个向量投影后得到的hash值
def Hash_key（image）:
    p = Get_vector（image）
    p = Make_character（p）
    tmp = []
    tmp.append（Make_projection（Hash_1 p））
    tmp.append（Make_projection（Hash_2 p））
    tmp.append（Make_projection（Hash_3 p））
    tmp.append（Make_projection（Hash_4 p））
    return tmp

def main（）:
    result = []
    image = cvLoadImage（“target.jpg“ 1）
    object = Hash_key（image）
    p = Get_vector（image）
    start = time.clock（）
    for i in range（1 41）:
        image = cvLoadImage（（“%d.jpg“ % i） 1）
        tmp = Hash_key（image）
        if tmp == object:
            result.append（i）
    end = time.clock（）
    print end - start
    start = time.c

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        3776  2013-01-11 22:22  LSH.py