大家都用google或baidu的識(shí)圖功能，上面就是我搜索一幅圖片的結(jié)果，該引擎實(shí)現(xiàn)相似圖片搜素的關(guān)鍵技術(shù)叫做“感知哈希算法”（Perceptual hash algorithm），它的作用是對每張圖片生成一個(gè)“指紋”（fingerprint）字符串，然后比較不同圖片的指紋。結(jié)果越接近，就說明圖片越相似。達(dá)到圖片比較目的且利用信息指紋比較有三種算法，這些算法都很易懂，下面分別介紹一下：
1、基于低頻的均值哈希
一張圖片就是一個(gè)二維信號(hào)，它包含了不同頻率的成分。如下圖所示，亮度變化小的區(qū)域是低頻成分，它描述大范圍的信息。而亮度變化劇烈的區(qū)域（比如物體的邊緣）就是高頻的成分，它描述具體的細(xì)節(jié)。或者說高頻可以提供圖片詳細(xì)的信息，而低頻可以提供一個(gè)框架。
而一張大的，詳細(xì)的圖片有很高的頻率，而小圖片缺乏圖像細(xì)節(jié)，所以都是低頻的。所以我們平時(shí)的下采樣，也就是縮小圖片的過程，實(shí)際上是損失高頻信息的過程。下面5張圖依次是原圖，放縮至64*64、32*32、16*16、8*8的圖。
均值哈希算法主要是利用圖片的低頻信息，其工作過程如下：
（1）縮小尺寸：去除高頻和細(xì)節(jié)的最快方法是縮小圖片，將圖片縮小到8x8的尺寸，總共64個(gè)像素。不要保持縱橫比，只需將其變成8*8的正方形。這樣就可以比較任意大小的圖片，摒棄不同尺寸、比例帶來的圖片差異。
（2）簡化色彩：將8*8的小圖片轉(zhuǎn)換成灰度圖像。
（3）計(jì)算平均值：計(jì)算所有64個(gè)像素的灰度平均值。
（4）比較像素的灰度：將每個(gè)像素的灰度，與平均值進(jìn)行比較。大于或等于平均值，記為1；小于平均值，記為0。
（5）計(jì)算hash值：將上一步的比較結(jié)果，組合在一起，就構(gòu)成了一個(gè)64位的整數(shù)，這就是這張圖片的指紋。組合的次序并不重要，只要保證所有圖片都采用同樣次序就行了。(我設(shè)置的是從左到右，從上到下用二進(jìn)制保存)。