在固定长度的十六进制列表中找到最小汉明距离的最快方法

Question

我在Python中使用Imagehash来生成大约30,000张图像的48位十六进制哈希值，我将其存储在词典列表中（相位以及其他一些图像属性） ）。例如：

[{"name":"name1", "phash":"a12a5e81127d890a7c91897edc752b506657233f56c594b7e6575e24e457d465"},
 {"name":"name2", "phash":"a1aa7e011367812a7c9181be9975a9e86657239f3ec09697e6565a24e50bf477"}
 ...
 {"name":"name30000", "phash":"a1aa7e05136f810afc9181ba9951a9686617239f3ec4d497e6765a04e52bfc77"}]

然后我从Raspberry Pi中获取了视频输入，这是一个被淘汰的，并且该哈希与这个数据库进行比较（考虑到Pi相机的性质，来自视频流的测试哈希将永远不会匹配数据库中的哈希） 。现在我正在进行一个愚蠢的循环，这需要大约5秒的时间来循环并检查每个~30,000个预先计算的哈希值的汉明距离，这太慢了。我使用的Imagehash库意味着可以通过dbHash1 - testHash简单地计算汉明距离。显然排序和执行bisect不是解决这个问题的方法，因为排序与汉明距离无关。那么，我认为必须有一种更快的方法来完成这项工作？我已经阅读了有关度量标准空间的this question，但我想检查一下（相对）简单的Python实现是否有人知道。

Answer 1

我得到了ImageHash背后的人的回答，Johannes Buchner。

我可以将DB存储为2d矩阵：

arr = []
for dbHash in db:
    arr.append(dbHash.hash.flatten())
arr = numpy.array(arr)

然后我可以同时对所有人进行比较：

binarydiff = arr != testhash.hash.reshape((1,-1))
hammingdiff = binarydiff.sum(axis=1)
closestdbHash_i = numpy.argmin(hammingdiff)
closestdbHash = db[closestdbHash_i]

Answer 2

Scipy's pairwise distance function 支持汉明距离。我试试。