GetSimilarImageDeduplicationReportJSON

Tratamiento de imágenes, optimización, diagnóstico

Descripción

Ejecuta un análisis de solo lectura de desduplicación perceptiva de imágenes con los umbrales proporcionados y escribe como JSON sus métricas de trabajo, error aceptado y ahorro estimado de carga útil

Sintaxis

Function TPDFlib.GetSimilarImageDeduplicationReportJSON(
  MaxHashDistance, MaxMeanError, MaxChannelError: Integer;
  Out Report: WideString): Integer;

Parámetros

MaxHashDistance	Distancia Hamming máxima de hash diferencial de 64 bits, de 0 a 7
MaxMeanError	Error medio máximo del canal de muestra descodificado de 0 a 255
MaxChannelError	Error máximo descodificado para un canal muestreado entre 0 y 255
Report	Recibe el documento JSON

Valores devueltos

Devuelve el número de objetos de imagen similares que consolidaría la simulación, o 0 si no se acepta ningún par o la solicitud no es válida

Campos JSON

thresholds	Los límites solicitados de `hashDistance`, `meanError` y `channelError`
imagesScanned	Flujos de imagen indirectos aptos examinados
imagesDecoded	Imágenes decodificadas en la muestra fija de comparación
decodeFailures	Imágenes omitidas porque no se pudieron decodificar sus píxeles
canonicalImages	Grupos canónicos aceptados distintos
hashCandidates	Imágenes conservadas anteriormente que comparten al menos una banda de hash diferencial
candidateComparisons	Pares que superaron los filtros semánticos y de distancia hash y llegaron a confirmar la muestra
imagesDeduplicated	Imágenes aceptadas como duplicados perceptivos
referencesRepointed	Referencias que redirigiría una operación real
reclaimableBytes	Bytes de carga útil codificada pertenecientes a flujos duplicados aceptados
samplesCompared	Valores de muestra de canales de color examinados durante la confirmación
maxAcceptedHashDistance	Mayor distancia hash aceptada
maxAcceptedMeanError	Mayor error absoluto medio de canal aceptado
maxAcceptedChannelError	Mayor error aceptado de un canal individual

Observaciones

El método nunca reescribe referencias ni elimina objetos

El informe estima el ahorro de cargas de flujos codificados y excluye la sobrecarga de objetos indirectos, diccionarios, referencias cruzadas y contenedores

Revise visualmente los errores máximos aceptados y el documento resultante antes de aplicar umbrales permisivos