感知哈希 ，平均哈希，差异值哈希

2.将图片灰度化

3.求平均值，并根据平均值将每一个像素二值化

4.将8*8=64位bit，每8个比特为一个十六进制值，转换成字符串，生成哈希值（指纹）

感知哈希
1.图片缩放 为32*32大小

2.将图片灰度化

3.对图片进行离散余弦变换（DCT），转换的频域

4.取频域左上角8*8大小（图片的能量都集中在低频部分，低频位于左上角）

5.计算64个DCT系数的均值平均值，并计算平均值二值化（同平均哈希）

6.生成哈希值

差异值哈希
1.图片缩放为9*8大小

2.将图片灰度化

3.差异值计算（每行相邻像素的差值，这样会生成8*8的差值，前一个像素大于后一个像素则为1，否则为0）

4.生成哈希值

import cv2
import numpy as np
import matplotlib.pylab as plt
def mean_hash(img):
    "均值哈希"
    img_s=cv2.resize(img,(8,8),interpolation=cv2.INTER_CUBIC)
    img_gray=cv2.cvtColor(img_s,cv2.COLOR_BGR2GRAY)
    s=0
    hash_str=''
    for i in range(8):
        for j in range(8):
            s=s+img_gray[i,j]
    mean=s/64
    for i in range(8):
        for j in range(8):
            if img_gray[i,j]>mean:
                hash_str=hash_str+'1'
            else:
                hash_str=hash_str+'0'
    return hash_str
def diff_hash(img):
    # 差值感知算法
    img_s=cv2.resize(img,(9,8),interpolation=cv2.INTER_CUBIC)
    img_gray=cv2.cvtColor(img_s,cv2.COLOR_BGR2GRAY)
    hash_str=''
    for i in range(8):
        for j in range(8):
            if img_gray[i,j]>img_gray[i+1,j]:
                hash_str=hash_str+'1'
            else:
                hash_str=hash_str+'0'

    return hash_str
def per_hash(img):
  
    img_s=cv2.resize(img,(32,32),interpolation=cv2.INTER_CUBIC)
    
    img_gray=cv2.cvtColor(img_s,cv2.COLOR_BGR2GRAY)
    img_gray=np.float32(img_gray)
    img_DCT=cv2.dct(img_gray)
   
    s=0
    hash_str=''
    for i in range(8):
        for j in range(8):
            s=img_DCT[i,j]+s
    mean=s/64
    for i in range(8):
        for j in range(8):
            if img_DCT[i,j]>mean:
                img_DCT[i,j]=1
                hash_str=hash_str+'1'
            else:
                img_DCT[i, j] = 0
                hash_str+='0'
    cv2.imshow(' ',img_DCT)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    return hash_str

参考: https://blog.csdn.net/qq_32799915/article/details/81000437