方案二 phash

phash具体的实现可以很多地方都有了，可以搜到很多差不多的内容，在这我也就简单的记录下，具体可以去谷歌或者百度搜下。

• 缩小尺寸 为了后边的步骤计算简单些

• 简化色彩 将图片转化成灰度图像，进一步简化计算量

• 计算DCT 计算图片的DCT变换，得到32*32的DCT系数矩阵。

• 缩小DCT 虽然DCT的结果是32*32大小的矩阵，但我们只要保留左上角的8*8的矩阵，这部分呈现了图片中的最低频率。

• 计算平均值 如同均值哈希一样，计算DCT的均值。

• 计算hash值 根据8*8的DCT矩阵，设置0或1的64位的hash值，大于等于DCT均值的设为”1”，小于DCT均值的设为“0”。组合在一起，就构成了一个64位的整数，这就是这张图片的指纹。

找到的是一个纯c的，来自 phash.org (没错，就是这么官方)。安装啥的网站里边都有，附上一个python调用的脚本。

class pHash(object):

    def __init__(self):

        self._lib = ctypes.CDLL('/opt/local/lib/libpHash.dylib', use_errno=True)

    def dct_imagehash(self, path):

        phash = ctypes.c_uint64()

        if self._lib.ph_dct_imagehash(path, ctypes.pointer(phash)):

            errno_ = ctypes.get_errno()

            err, err_msg = (errno.errorcode[errno_], os.strerror(errno_)) \

                if errno_ else ('none', 'errno was set to 0')

            print(('Failed to get image hash'

                   ' ({!r}): [{}] {}').format(path, err, err_msg), file=sys.stderr)

            return None

        return phash.value

 

    def hamming_distance(self, hash1, hash2):

        return self._lib.ph_hamming_distance(

            *map(ctypes.c_uint64, [hash1, hash2]))

链接：https://www.jianshu.com/p/c87f6f69d51f