感知哈希：搜索相似图像

感知哈希：算法如何识别相似图像

感知哈希可以检测图像之间的视觉相似度，即使它们在尺寸、颜色或压缩程度上有所不同。与 SHA1 等加密哈希不同，感知哈希保留了图像结构的特征信息，并且对细微修改具有鲁棒性。这使得它们在重复图像检测、内容识别和数字取证系统中不可或缺。

感知哈希基础

加密哈希函数旨在验证数据完全匹配：输入文件哪怕最细微的变化也会导致哈希值完全不同。感知哈希解决的是另一个问题——对于图像视觉上不明显的改变，它们的哈希值保持相似。这种方法基于人类视觉忽略细微细节、关注整体结构的事实。

感知哈希算法通常具有以下特点：

• 对尺寸和宽高比变化具有鲁棒性；
• 对亮度和对比度调整不变；
• 在轻微压缩或噪声下保持相似性；
• 计算速度快且可扩展。

要比较两张图像，先计算它们的哈希值，然后测量汉明距离——即不同比特位的数量。距离越小，视觉相似度越高。

最简单的方法：平均哈希

最易实现的一种感知哈希算法基于像素平均值。其步骤如下：

• 调整大小到 8×8 像素——这大大降低了高频细节的影响。
• 转换为灰度图——消除对颜色通道的依赖。
• 计算所有 64 个像素的平均亮度。
• 二值化：亮度高于平均值的像素设为 1，低于平均值的设为 0。
• 拼接比特位形成 64 位哈希（通常从左到右、从上到下）。

这种方法速度极快，对精确或近似重复图像非常有效。但它对非线性变换（如 gamma 校正或直方图调整）敏感，因为平均值会偏移，导致许多比特位翻转。

改进方法：基于 DCT 的 pHash

pHash（感知哈希）算法使用离散余弦变换（DCT）来聚焦图像的低频分量——这些分量定义了整体结构。pHash 的步骤如下：

• 调整大小到 32×32 像素——足以正确应用 DCT。
• 转换为灰度图。
• 对整个图像应用 DCT（不同于 JPEG 中对 8×8 块应用 DCT）。
• 从结果频率矩阵中提取左上角 8×8 块——它包含最低频率。
• 计算这 64 个系数的平均值，排除第一个（DC 分量），以避免对整体亮度的依赖。
• 将系数相对于该平均值二值化。
• 形成 64 位哈希。

这种方法对颜色和亮度失真具有显著更高的鲁棒性。即使经过 gamma 校正或局部变化（如在图像小部分添加水印），哈希值仍与原图非常接近。

实际应用与局限性

在像 TinEye 或内部数字取证工具这样的实际系统中，通常会结合多种方法：

• 为整个档案预计算哈希；
• 使用快速平均哈希进行初步过滤；
• 使用 pHash 或其他高级算法进行精炼；
• 附加特征：颜色分布、物体位置、面部存在等。

例如，在人脸识别系统中，可以仅针对面部区域单独计算哈希，从而提升肖像合集的准确性。

然而，没有任何感知哈希能保证 100% 准确性。重大变化——如更换背景、大角度旋转或交换关键物体——可能使图像视觉上不同，但哈希值仍可能接近，反之亦然。

关键要点

• 感知哈希度量的是视觉相似性，而非比特级相似性。
• 哈希间的汉明距离是评估相似性的主要方法。
• 平均哈希速度快，但对非线性变换脆弱。
• 基于 DCT 的 pHash 对修改具有更好的鲁棒性。
• 工业系统使用方法组合和预索引。

方法比较

| 指标 | 平均哈希 | pHash (DCT) |

|------------------------|--------------|----------------|

| 速度 | 非常高 | 中等 |

| 噪声鲁棒性 | 中等 | 高 |

| Gamma 鲁棒性 | 低 | 高 |

| 内存需求 | 最小 | 中等 |

| 适用于批量搜索 | 是 | 是（需索引） |

方法选择取决于任务：精确副本用平均哈希，修改图像用 pHash。

— Editorial Team