معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

A Python Perceptual Image Hashing Module

ویژگی	مقدار
سیستم عامل	OS Independent
نام فایل	PhotoHash-0.4.1
نام	PhotoHash
نسخه کتابخانه	0.4.1
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Chris Pickett
ایمیل نویسنده	chris.pickett@gmail.com
آدرس صفحه اصلی	https://github.com/bunchesofdonald/photohash
آدرس اینترنتی	https://pypi.org/project/PhotoHash/
مجوز	MIT

========= PhotoHash ========= .. image:: https://travis-ci.org/bunchesofdonald/django-hermes.svg?branch=master :target: https://travis-ci.org/bunchesofdonald/photohash This was mainly created just for my own use and education. It's a perceptual hash algorithm, used to find if two images are similar. Installation ============ :: pip install PhotoHash Usage ===== average_hash ------------ Returns the hash of the image using an average hash algorithm. This algorithm compares each pixel in the image to the average value of all the pixels.:: import photohash hash = photohash.average_hash('/path/to/myimage.jpg') distance -------- Returns the hamming distance between the average_hash of the given images.:: import photohash distance = photohash.distance('/path/to/myimage.jpg', '/path/to/myotherimage.jpg') is_look_alike ------------- Returns a boolean of whether or not the photos look similar.:: import photohash similar = photohash.is_look_alike('/path/to/myimage.jpg', '/path/to/myotherimage.jpg') is_look_alike also takes an optional tolerance argument that defines how strict the comparison should be.:: import photohash similar = photohash.is_look_alike('/path/to/myimage.jpg', '/path/to/myimage.jpg', tolerance=3) hash_distance ------------- Returns the hamming distance between two hashes of the same length:: import photohash hash_one = average_hash('/path/to/myimage.jpg') hash_two = average_hash('/path/to/myotherimage.jpg') distance = photohash.hash_distance(hash_one, hash_two) hashes_are_similar ------------------ Returns a boolean of whether or not the two hashes are within the given tolerance. Same as is_look_alike, but takes hashes instead of image paths:: import photohash hash_one = average_hash('/path/to/myimage.jpg') hash_two = average_hash('/path/to/myotherimage.jpg') similar = photohash.hashes_are_similar(hash_one, hash_two) hashes_are_similar also takes the same optional tolerance argument that is_look_alike does.

نحوه نصب

نصب پکیج whl PhotoHash-0.4.1:

pip install PhotoHash-0.4.1.whl

نصب پکیج tar.gz PhotoHash-0.4.1:

pip install PhotoHash-0.4.1.tar.gz