图片相似算法

• 根据 MD5 等加密哈希算法可以判断两张图片是否为同一文件，但不能判断两张图片的相似度。因此应该使用专门的图片相似算法。
• 使用图片相似算法的一般步骤：
  1. 缩小图片的分辨率、减少颜色通道数，以便简化分析。
  2. 按某种算法计算出每张图片的特征值，再根据两个特征值的汉明距离判断图片的相似度。
  3. 相似度 = 1 - ( 汉明距离 / 特征值长度 )
• 汉明距离（Hamming Distance）：两个长度相同的字符串之间，取值不同的对应位的数量，类似于异或运算。
• 衡量图片相似算法的指标：
  • 能否识别内容相似、只是有细节差异的图片。
  • 能否识别内容相似、但分辨率不同的图片。
  • 能否识别内容相似、只是颜色不同的图片。
  • 判断相似度的准确性。
  • 处理图片的耗时。

内容特征法

• 原理：
  1. 在色阶 0~255 中选择一个阙值，将图片从灰度图转换成黑白图。比如如果像素点的灰度值低于 150 则转换成黑色，否则转换成白色。
  2. 如果两张图片的黑白轮廓相似，则认为它们的内容也相似。

颜色分布法

• 原理：
  1. 生成图片的颜色分布的直方图（color histogram）。比如 RGB 三色分别生成直方图，再合并成一个直方图。
  2. 如果两张图片的直方图相似，则认为它们的内容也相似。

aHash

：平均哈希算法（average Hash）

• 原理：
  1. 将图片缩小到 8×8 分辨率。（这样就只需考虑 64 个像素点）
  2. 将图片转换成灰度图。（这样就只需考虑一个颜色通道）
  3. 计算 64 个像素点的灰度平均值。
  4. 将每个像素点的灰度值与平均值作比较，如果大于或等于平均值则计 1 ，否则计 0 。最后得到一个 64 位的哈希值。
• 特点：
  • 不考虑图片细节的差异，适合计算缩略图的哈希值。
  • 不能适应图片分辨率的变化。将同一张图片放大、缩小，aHash 值会变化很大。

dHash

：梯度哈希算法（difference Hash）

• 原理：
  1. 将图片缩小到 9×8 辨率。
  2. 转换成灰度图。
  3. 比较每对相邻像素点的灰度值，如果前一个像素点的灰度值大于等于后一个像素点则记 1 。否则计 0 。最后得到一个 64 位的哈希值。
     • 比如[254, 254, 255, 253]的计算结果为[1, 0, 1]。

pHash

：感知哈希算法（perception Hash）

• 基于离散余弦变换（DCT）。
• 原理：
  1. 将图片缩小到指定分辨率。
  2. 转换成灰度图。
  3. 计算灰度图的 DCT 变换，得到一个 32×32 的 DCT 矩阵。可以只取矩阵左上角的 8×8 部分，计算其平均值。
  4. 将每个像素点的灰度值与平均值作比较，如果大于或等于平均值则计 1 ，否则计 0 。最后得到一个 64 位的哈希值。
• 特点：
  • 能考虑到图片细节的差异。
  • 计算比较慢。
  • 还能计算音频，视频文件的哈希值。

wHash

：小波哈希算法（wavelet Hash）

• 基于离散小波变换（DWT）。

SIFT

：尺度不变特征转换算法（Scale-Invariant Feature Transform）

• 特点：
  • 能适应图片分辨率的变化。
  • 能适应图片的旋转。