常用的图像相似度比较算法：哈希算法

常用的图像相似度比较有三种哈希算法：

1.均值哈希算法 aHash 2.差值哈希算法 dHash 3.感知哈希算法 pHash

均值哈希算法 步骤 1.缩放：图片缩放为 8*8 ，保留结构，除去细节。 2.灰度化：转换为灰度图。 3.求平均值：计算灰度图所有像素的平均值。 4.比较：像素值大于平均值记作 1 ，相反记作 0 ，总共 64 位。 5.生成 hash ：将上述步骤生成的 1 和 0 按顺序组合起来既是图片的指纹（ hash ）。 6.对比指纹：将两幅图的指纹对比，计算汉明距离，即两个 64 位的 hash 值有多少位是不一样的，不相同位数越少，图片越相似。

差值哈希算法 差值哈希算法相较于均值哈希算法，前期和后期基本相同，只有中间比较 hash 有变化。 步骤 1.缩放：图片缩放为 8* 9 ，保留结构，除去细节。 2.灰度化：转换为灰度图。 3.求平均值：计算灰度图所有像素的平均值。 这步没有，只是为了与均值哈希做对比 4.比较：像素值大于后一个像素值记作 1 ，相反记作 0 。本行不与下一行对比，每行 9 个像素， 八个差值，有 8 行，总共 64 位 5.生成 hash ：将上述步骤生成的 1 和 0 按顺序组合起来既是图片的指纹（ hash ）。 6.对比指纹：将两幅图的指纹对比，计算汉明距离，即两个 64 位的 hash 值有多少位是不一样 的，不相同位数越少，图片越相似。

感知哈希算法 均值哈希算法过于严格，不够精确，更适合搜索缩略图，为了获得更精确的结果可以选择感知哈希 算法，它采用的是 DCT （离散余弦变换）来降低频率的方法。 步骤： 1.缩小图片： 32 * 32 是一个较好的大小，这样方便 DCT 计算 2.转化为灰度图：把缩放后的图片转化为灰度图。 3.计算 DCT:DCT 把图片分离成分率的集合 4.缩小 DCT DCT 计算后的矩阵是 32 * 32 ，保留左上角的 8 * 8 ，这些代表图片的最低频率。 5.计算平均值：计算缩小 DCT 后的所有像素点的平均值。 6.进一步减小 DCT ：大于平均值记录为 1 ，反之记录为 0. 7.得到信息指纹：组合 64 个信息位，顺序随意保持一致性。 8.最后比对两张图片的指纹，获得汉明距离即可。