萬盛學電腦網

您现在的位置: 萬盛學電腦網 >> 程式設計 >  >> 網路程式設計 >> 程式語言綜合

Python 感知雜湊 (dHash) 實作圖片去重:從原理到完整代碼

背景:Iconfinder 34 萬圖標的去重挑戰

加密雜湊 (MD5/SHA) 對單一位元變動產生完全不同雜湊(雪崩效應),**無法識別視覺相似圖片**。感知雜湊 (Perceptual Hash) 從圖像視覺特徵生成指紋,**相似圖片雜湊相近**,適用去重、版權偵測。

dHash (差異雜湊) 四步驟

  1. 灰度化:RGB → 亮度 Y = 0.299R + 0.587G + 0.114B。
  2. 縮放:縮至 9×8 (共 72 像素),捨棄高頻細節。
  3. 比較鄰域:逐列比較左右相鄰像素亮度,左 > 右 → 1,否則 0,得 8×8 = 64 bits。
  4. 編碼:64 bits → 16 字元十六進位字串。

完整實作 (需 Pillow)

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
from PIL import Image
import imagehash  # pip install imagehash (內建 dhash/phash/whash)

def dhash_manual(image_path, hash_size=8):
    """手工實作 dHash,教學用"""
    img = Image.open(image_path).convert('L')  # 灰度
    img = img.resize((hash_size + 1, hash_size), Image.LANCZOS)
    pixels = list(img.getdata())
    
    bits = []
    for y in range(hash_size):
        row_start = y * (hash_size + 1)
        for x in range(hash_size):
            left = pixels[row_start + x]
            right = pixels[row_start + x + 1]
            bits.append('1' if left > right else '0')
    
    # bits → hex
    return ''.join(f'{int("".join(bits[i:i+4]), 2):x}' for i in range(0, 64, 4))

# 生產環境直接用 imagehash 庫
def dhash_lib(image_path):
    return str(imagehash.dhash(Image.open(image_path)))

# 相似度:漢明距離
def hamming(h1, h2):
    return bin(int(h1, 16) ^ int(h2, 16)).count('1')

if __name__ == '__main__':
    import sys
    if len(sys.argv) != 3:
        print(f"Usage: {sys.argv[0]} img1 img2")
        sys.exit(1)
    
    h1 = dhash_lib(sys.argv[1])
    h2 = dhash_lib(sys.argv[2])
    dist = hamming(h1, h2)
    print(f"dHash1: {h1}")
    print(f"dHash2: {h2}")
    print(f"漢明距離: {dist} / 64")
    print(f"相似度: {100 - dist * 100 / 64:.1f}%")

實際應用流程

  1. 上傳時計算 dHash,存入資料庫 phash CHAR(16)。
  2. 新圖上傳 → 計算 dHash → SQL 查詢 BIT_COUNT(phash ^ new_hash) < threshold (MySQL 8+ / PostgreSQL)。
  3. 閾值建議:≤ 5 判定極高相似,≤ 10 判定相似(視業務調整)。
  4. 疑似重複 → 人工複審或自動拒收。

其他感知雜湊對比

演算法特徵適用場景
aHash (平均雜湊)縮 8×8 → 平均值比較縮圖、簡單去重
pHash (感知雜湊)DCT 頻域 + 低頻係數強健:旋轉、壓縮、水印、亮度變化
dHash (差異雜湊)梯度方向速度快、抗縮放/裁剪、推薦通用
wHash (小波雜湊)DWT 子頻帶抗噪聲、幾何變換

結語

dHash 以「鄰域亮度差異」編碼視覺結構,**極速計算、抗縮放裁剪、相似度直觀量化**。配合 imagehash 庫與資料庫位運算,輕鬆構建百萬級圖片去重系統。下一步:整合 pHash 提升對旋轉/濾鏡的魯棒性。

copyright © 萬盛學電腦網 all rights reserved