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。