電腦中重復(fù)圖片很多，不刪吧，占用電腦資源，刪除吧，一個一個的找，很是麻煩。還好我們會Python，畢竟python號稱是世界上無所不能的編程語言（這里請不要討論誰是世界上最好的編程語言）
1、加載所有圖片，獲取圖片的信息以及圖片路徑
2、計(jì)算每個圖片的哈希值，并保存
3、檢測每個哈希值，若相同，表明圖片相同
4、根據(jù)哈希值反推圖片的路徑，然后進(jìn)行圖片的刪除，獲取其他操作
建立圖片哈希值函數(shù)
import numpy as np
import cv2
import os
def dhash(image, hashSize=8):
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
resized = cv2.resize(gray, (hashSize + 1, hashSize))
diff = resized[:, 1:] > resized[:, :-1]
return sum([2 ** i for (i, v) in enumerate(diff.flatten()) if v])
本函數(shù)的主要目的是計(jì)算每個圖片的哈希值
首先我們使用cv2.cvtColor函數(shù)把圖片從RGB空間轉(zhuǎn)換為灰度照片（便于計(jì)算）
然后使用cv2.resize函數(shù)把圖片縮?。ㄟ@里的操作也是為了快速計(jì)算）
diff = resized[:, 1:] > resized[:, :-1]來計(jì)算相鄰列像素之間的相對水平梯度
最后返回圖片的哈希值
加載圖片，計(jì)算圖片哈希值
hashes = {}
imagePaths=[]
for root, dirs, files in os.walk("dataset"):
for file in files:
imagePaths.Append(os.path.join(root, file))
for imagePath in imagePaths:
image = cv2.imread(imagePath)
h = dhash(image)
path = hashes.get(h, [])
path.append(imagePath)
hashes[h] = path
我們新建2個初識變量，一個來保存圖片路徑，一個來保存圖片路徑以及圖片哈希值的字典
首先使用os.walk("dataset")函數(shù)來獲取dataset目錄下的所有圖片
使用for循環(huán)來獲取所有圖片的路徑（絕對路徑）
使用for循環(huán)遍歷所有的圖片
image = cv2.imread(imagePath)來讀取圖片
然后使用h = dhash(image)函數(shù)來獲取圖片的哈希值
使用圖片哈希值作為key，圖片路徑作為value,來保存所有圖片的哈希值與圖片路徑
由于字典不會存在2個相同的key，所以，當(dāng)圖片的哈希值相等時，我們把路徑都賦值給同一個key值
遍歷字典，獲取相同圖片
for (h, hashedPaths) in hashes.items():
if len(hashedPaths) > 1:
print("same num:", len(hashedPaths))
if -1 <= 0:
same = None
for p in hashedPaths:
image = cv2.imread(p)
image = cv2.resize(image, (150, 150))
if same is None:
same = images
else:
same = np.hstack([montage, image])
cv2.imshow("same", same)
cv2.waitKey(0)
else:
for path in hashedPaths[1:]:
os.remove(path)
我們遍歷字典，當(dāng)某個key值下面對應(yīng)的圖片路徑有2個或者2個以上時，這證明存在相識圖片
當(dāng)檢測到相識圖片時，就可以直接執(zhí)行
for path in hashedPaths[1:]:
os.remove(path)
函數(shù)來進(jìn)行圖片的刪除工作，這里我們保留了第一張圖片，其他相同圖片刪除
很多時候，我們想看看相識圖片的數(shù)量以及其他信息
這里我們打印了相識圖片的數(shù)量，最后把相識的圖片顯示出來
