如何判断两张图片的相似度？

暴力判断

比较两个图片是否相等有很多方法，最直观的，也最容易想到的算法就是遍历两个图片的每一个像素，最终求差来得到两个图片是否相等。 这种方式的优点是速度很快，比较精度特别高，但是如果两个图片稍微有一点不同，哪怕只是一个像素的差距，都会返回False。 因此，该算法的适用性并不广泛，除非你的需求就是要判断两张图片严格相等，但是多数情况下，我们需求都是比较两张图片是否相似。所以，接下来，我们来看看市面上主流的图像相似度的判别算法。

图像相似的判别算法

图像相似也有很多判别法，我没有去尝试每一种方法，但是基本上所有的方法都了解了一遍，在这里总结一下主流的算法，同时也是巩固一下。

直方图比较法

直方图比较法是一个比较基础，也比较简单快捷的一种办法，目前我就是使用这个方法作为项目的主力相似性判别法。 直方图比较的原理是，将所要比较的两幅图片的直方图数据，然后再将直方图数据归一化之后方便比较，最终得到一个相似指数，通过设定相似指数的边界，我们可以得到是否是同一张图片。 直方图算法运行速度很快，也是比较图片相似度算法中很受欢迎的算法，如果你的项目中，需要比较有着极高相似度的图片，而且你需要将这种具有极高相似度的图片归为同一个图片，那么就选用直方图算法吧！

哈希算法

感知哈希算法（pHash，全拼：Perceptual hash algorithm）是哈希算法的一种，哈希算法还包括平均值哈希算法（aHash），差异值哈希算法（dHash），经过对比之后，最终决定采用pHash算法来作为辅助相似性判别法。

pHash简单来说，是通过感知哈希算法对每张图片生成一个“指纹”字符串，然后通过比较“指纹”字符串的距离（通常采用汉明距离，Hamming distance，两个等长字符串之间的汉明距离，是两个字符串对应位置的不同字符的个数），这个距离越小，代表两个图片越相似，一般的，我们有下面规则： Hamming distance = 0 -> particular like Hamming distance < 5 -> very like hamming distance > 10 -> different picture 关于aHash, pHash, dHash的区别，我总结如下： · aHash：平均值哈希。转灰度压缩之后计算均值，最终通过像素比较得出哈希值，速度很快，但敏感度很高，稍有变化就会极大影响判定结果，精准度较差。因此比较适用于缩略图比较，最常用的就是以图搜图。 · pHash：感知哈希。在均值哈希基础上加入DCT（离散余弦变化，下面也会涉及，这里不展开），两次DCT就...

点击查看剩余70%