构建简易图像索引：感知哈希算法初探

1. 图像重复检测的挑战与感知哈希概述

在构建图片画廊或任何涉及大量图像的应用时，一个常见需求是检测重复或高度相似的图片。传统的哈希算法（如md5、sha-256）通过计算文件的字节内容生成唯一指纹，但它们对图像的微小改动（如尺寸调整、格式转换、轻微裁剪或亮度调整）非常敏感，即使是肉眼看来完全相同的图片，其字节哈希值也会截然不同。

为了解决这个问题，我们需要一种能够理解图像“内容”而非“字节”的哈希方法。感知哈希（Perceptual Hashing，简称pHash）应运而生。它通过提取图像的视觉特征来生成一个“指纹”，这个指纹能够反映图像的视觉内容。即使图像经过一些不影响其视觉感知的修改，其感知哈希值也只会略微改变，从而可以通过比较哈希值之间的“距离”来判断图像的相似程度。

2. 感知哈希核心原理：平均哈希（aHash）算法

感知哈希有多种实现方式，其中最简单且易于理解的是平均哈希（Average Hash，简称aHash）算法。它提供了一个很好的起点，即使没有现成的库，也能轻松实现。

aHash算法的核心思想是：将图像缩小到一个非常小的尺寸，转换为灰度图，然后根据每个像素与平均亮度的关系生成一个二进制指纹。具体步骤如下：

2.1 步骤详解

1. 缩小图像尺寸 (Reduce Size)： 将原始图像缩放到一个非常小的固定尺寸，例如8x8像素。这一步的目的是消除图像的细节，只保留其最主要的结构和颜色信息，同时标准化输入，使得不同尺寸的图像也能进行比较。

   • 示例： 将一张1920x1080的图片缩小到8x8像素。

2. 灰度化处理 (Grayscale Conversion)： 将缩放后的8x8像素图像转换为灰度图。这一步是为了简化颜色信息，只关注图像的亮度分布，进一步降低计算复杂性并提高对颜色变化的鲁棒性。

3. 计算平均像素值 (Calculate Average Pixel Value)： 计算这64个（8x8）灰度像素的平均亮度值。这个平均值将作为后续生成哈希位的基准。

4. 生成哈希位 (Generate Hash Bits)： 遍历这64个灰度像素。对于每个像素，将其亮度值与步骤3中计算出的平均亮度值进行比较：

   • 如果像素亮度值大于或等于平均值，则对应的哈希位设为1。
   • 如果像素亮度值小于平均值，则对应的哈希位设为0。 通过这种方式，我们得到了一个64位的二进制序列。

5. 构建哈希值 (Construct Hash Value)： 将这64个二进制位组合起来，形成一个64位的整数（例如uint64），这就是图像的感知哈希值。

2.2 伪代码示例

以下是使用Go语言实现aHash算法的伪代码概念：

import (
    "image"
    "image/color"
    "image/draw"
    "math"
)

// CalculateAverageHash 计算图像的平均哈希值
func CalculateAverageHash(img image.Image) uint64 {
    // 1. 缩小图像尺寸到8x8
    // 创建一个新的8x8 RGBA图像作为目标
    resizedImg := image.NewRGBA(image.Rect(0, 0, 8, 8))
    // 使用draw.NearestNeighbor或draw.CatmullRom等插值方法进行缩放
    // 注意：Go标准库没有内置高质量的缩放，通常需要第三方库如 "golang.org/x/image/draw"
    // 这里简化为直接绘制，实际应用中需要更复杂的缩放算法
    draw.NearestNeighbor.Scale(resizedImg, resizedImg.Bounds(), img, img.Bounds(), draw.Src, nil)

    // 2. 灰度化并计算平均像素值
    var sum int64
    pixels := make([]uint8, 64) // 存储8x8像素的灰度值
    for y := 0; y < 8; y++ {
        for x := 0; x < 8; x++ {
            r, g, b, _ := resizedImg.At(x, y).RGBA()
            // 计算灰度值（Luma = 0.299R + 0.587G + 0.114B）
            // 注意：RGBA()返回的是16位值，需要右移8位得到8位值
            gray := uint8((0.299*float64(r>>8) + 0.587*float64(g>>8) + 0.114*float64(b>>8)))
            pixels[y*8+x] = gray
            sum += int64(gray)
        }
    }
    average := float64(sum) / 64.0

    // 3. 生成哈希位
    var hash uint64
    for i, pixel := range pixels {
        if float64(pixel) >= average {
            hash |= (1 << (63 - i)) // 从左到右填充哈希位
        }
    }
    return hash
}

// HammingDistance 计算两个64位哈希值之间的汉明距离
func HammingDistance(hash1, hash2 uint64) int {
    diff := hash1 ^ hash2 // 异或操作得到不同的位
    count := 0
    for i := 0; i < 64; i++ {
        if (diff>>i)&1 == 1 { // 检查每一位是否为1
            count++
        }
    }
    return count
    // 更高效的计算汉明距离的方法是使用内置的 popcount/bits.OnesCount64
    // return bits.OnesCount64(diff)
}

// 示例用法
func main() {
    // 假设 img1 和 img2 是加载的 image.Image 对象
    // img1 := loadImage("path/to/image1.jpg")
    // img2 := loadImage("path/to/image2.jpg")

    // hash1 := CalculateAverageHash(img1)
    // hash2 := CalculateAverageHash(img2)

    // distance := HammingDistance(hash1, hash2)

    // if distance < 5 { // 设定一个阈值，例如小于5表示高度相似
    //  fmt.Println("Images are very similar!")
    // } else {
    //  fmt.Println("Images are different.")
    // }
}

3. 哈希值比较：汉明距离

生成了图像的感知哈希值后，如何判断两张图片是否相似呢？答案是计算它们哈希值之间的汉明距离（Hamming Distance）。

汉明距离是指两个等长二进制字符串之间对应位置不同位的数量。例如，10110 和 10011 的汉明距离是2（第三位和第五位不同）。

对于感知哈希值，较小的汉明距离意味着两个图像的视觉特征非常接近，因此它们很可能是相似的或重复的。反之，较大的汉明距离则表明图像差异较大。

纳米搜索

纳米搜索：360推出的新一代AI搜索引擎

30

查看详情

3.1 相似性阈值

在实际应用中，我们需要设定一个“相似性阈值”。例如，如果两个图像的aHash值之间的汉明距离小于5（这个值可以根据实际需求调整），我们就认为它们是重复的或高度相似的。

• 距离为0： 图像几乎完全相同。
• 距离较小（如1-5）： 图像非常相似，可能是经过轻微修改的同一张图。
• 距离较大： 图像内容不同。

4. 实施与注意事项

4.1 实施流程

1. 图像预处理： 加载图像文件，确保能被Go的image包处理。
2. 计算哈希： 对图库中的每张图片，使用CalculateAverageHash函数计算其64位感知哈希值。
3. 存储哈希： 将计算出的哈希值与图像的元数据（如文件路径、ID等）一同存储起来，可以存入数据库或文件系统。
4. 新图像检测： 当有新图像上传时，计算其哈希值。然后，遍历已存储的哈希值，计算新哈希与每个存储哈希之间的汉明距离。
5. 判断重复： 如果找到一个汉明距离低于预设阈值的存储哈希，则判定新图像为重复图像。

4.2 性能与扩展性

• 小规模画廊： 对于包含几百到几千张图片的小型画廊，线性扫描所有哈希值并计算汉明距离是可行的。
• 大规模画廊： 对于包含数万甚至数百万张图片的大型画廊，简单的线性扫描效率低下。此时需要更高级的索引结构，例如局部敏感哈希（Locality Sensitive Hashing, LSH）。LSH可以将相似的哈希值映射到同一个“桶”中，从而大大减少需要比较的哈希对数量。不过，LSH的实现相对复杂，超出了“简单入门”的范畴。

4.3 阈值选择

汉明距离的阈值是一个关键参数，它直接影响重复检测的准确性。

• 阈值过低： 可能漏掉一些经过轻微修改的重复图片（召回率低）。
• 阈值过高： 可能将不相似的图片误判为重复（准确率低）。 建议通过实验，使用一批已知重复和不重复的图片来调整和优化阈值。

4.4 算法局限性

平均哈希（aHash）虽然简单，但也有其局限性：

• 对图像内容变化的敏感性： 对于裁剪、旋转、大幅度亮度/对比度调整等操作，aHash的鲁棒性可能不够好。
• 无法处理不同角度或视角： aHash主要检测视觉内容相似性，无法识别同一物体在不同拍摄角度下的图片。

如果需要更高的鲁棒性，可以考虑其他更复杂的感知哈希算法，如差异哈希（dHash）或基于离散余弦变换（DCT）的pHash。这些算法在处理某些类型的图像变换时表现更好，但实现起来也更复杂。对于入门而言，aHash是一个非常好的起点。

5. 总结

感知哈希为图像重复检测提供了一种强大而灵活的解决方案，尤其适用于在缺乏现成库支持的环境下从零开始构建。通过理解平均哈希（aHash）算法的原理和汉明距离的应用，开发者可以为自己的图片画廊或其他图像处理应用构建一个高效且相对准确的重复检测系统。虽然aHash有其局限性，但它为更复杂的图像相似性检测技术奠定了基础，是深入探索图像处理领域的理想起点。

以上就是构建简易图像索引：感知哈希算法初探的详细内容，更多请关注php中文网其它相关文章！