Степень похожести бинарных файлов

[kode]

Степень похожести бинарных файлов

Предложите вариант получения степени похожести бинарных файлов.

Суть такова: пишется бот, который будет собирать картинки. Но картинки могут отличатся друг от друга одним пикселем (таким кол-вом чтобы суть изображения не менялась, обьяснять долго - но такое есть). Просто хотелось бы чтобы схожие (с точки зрения человека) дубликаты картинки не сохранялись.

Моя идея: Возможно это будет немного ресурсо затратно, но думаю что стоит считать дерево хешей (Tiger) (размер сегмента верхнего (первого) уровня зависит от размера файла) и сравнивать их на соответсвующем размеру файла уровне (а не в корне)

Сразу оговорюсь что бот пишется на яве

 

[fixxxer]

посмотри как rsync устроен, там дерево хэшей как раз, производительность вполне вменяемая.
правда, от минимального ресайза-кропа или небольшой цветокоррекции это не поможет)

 

[kruglov]

Одно и то же изображение в gif и png будет совсем разными "бинарными" файлами. Если вы изображения сравниваете, так и надо задачу формулировать. И в поиске искать.

 

[kode]

различия на уровне форматов - допустимы

 

[dr-sm]

а пережатый джпег, как раз файлсайз-то и будет разный
можт в верх лучше размер картинки.

 

[AmdY]

kode
а формат у изображений какой?

 

[kode]

я говорю ничего срашного если изображения будут разного размера или формата

 

[Роберт]

Ну так если для твоя программа должна сказать "Практически идентичны" для файла размером 100х100 пикселей (занимающем 11Кб) и файла 1600х1600 пикселей (занимающем более 3 мегабайт) - то как можно ставить задачей "сравнение бинарных файлов"?
Ты по любому обязан работать с видеообразами!
А дальше уже способо много:
хочешь , по гамме цветов анализируй ,
хочешь , по спектру
хочешь , придумай алгоритм нахождения кривых на картинке и анализируй их количество и направления.
Я например , когда 10 лет назад делал програмку которая через WinAPI сама управляя мышкой играла за человека в паззлы (где есть маленькая картинка подсказка и потом надо составить из кусочков большую картинку) - просто делил картинку на определённое количество кубиков (в зависимости от того - на сколько разбит пазл , ну скажем 20х10) и потом внутри каждого квадратика из центральной части примерно в 2 раза меньше чем сам квадратик просто считал сумму цвета по RGB , а потом делил на количество ссумированных точек (другими словами находил средний цвет квадратика). После чего , взяв любой элементик пазла , я быстро находил похожий на него элемент в маленькой картинке (таким же образом осреднив цвет) , и программа всегда-всегда быстро собирала пазл.
Но ещё раз повторю - поставленная тобой задача (сравнения картинок) ничего общего не имеет со сравнением бинарных файлов...

 

[kode]

блин, повторяю: мне важно чтобы картинки одинаковые по формату и размеру, но отличающиеся всего несколькими пикселями не сохронялись. Если файл другого формата, другого размера, с другой гаммой цветов - пусть будут

 

[Роберт]

Ты одно сообщение назад говорил что "ничего страшного если изображения будут разного размера или формата" , а теперь заявляешь что тебе "важно чтобы картинки одинаковые по формату и размеру". И как тебя понимать? Причём ты не даёшь формата изображения. Тогда это вообще абсурдная задача. Мол если где-то немножко изменю чего-то , то это несчитается.
Если взять Word , то изменение одной буквы может изменить размер файла на 30Кб. Если текстовый файл заархивировать с паролем - то он вообще ни чем не будет напоминать то что будет если аналогичный текстовый файл с одной изменённой буквой заархивировать с тем же паролем!
Что ты хочешь делать на уровне бинарного файла?
Открой какой-нибудь .jpg файл из сети в программе paint , измени одну точку и сохрани - он вообще почти ни одного общего байта не будет иметь за исключением шапки JFIF. Таже компрессия...
Твою задачу можно реализовать только анализируя картинку!

 

[kode]

парень, ты по русски читать умеешь? Смысл текста улавиваешь?
> мне важно чтобы картинки одинаковые по формату и размеру, но отличающиеся всего несколькими пикселями не сохронялись.

-~{}~ 18.05.08 03:46:

да, компрессия это беда....

-~{}~ 18.05.08 03:51:

как вариант можно хранить дерево хешей карты пикселей

 

[Роберт]

Вариантов сотни...
Но как я тебе уже дважды сказал - ты будешь работать с картинкой , а не бинарным файлом!

 

[С.]

kode, ты бы хоть прикола ради взял картинку, поменял один пиксель, сохранил и сравнил с оригинальной каким-нибудь filediff. Я думаю, тебя ждет открытие.

 

[fixxxer]

вы с терминологией определитесь, друзья ))
я вот всегда считал что картинка - это такая кучка байтиков в количестве width * height * ( color_depth / 8 )

 

[kode]

Автор оригинала: С.
kode, ты бы хоть прикола ради взял картинку, поменял один пиксель, сохранил и сравнил с оригинальной каким-нибудь filediff. Я думаю, тебя ждет открытие.

сделаю для тебя открытия что изменение будет максимум на длинну LZW-кода, похожая ситуация с jpeg, если конечно степень компрессии не менять.....