优点：简单快速，不受图片大小缩放的影响 缺点：缺点是图片的内容不能变更。如果在图片上加几个文
字，它就认不出来了。 它的最佳用途是根据缩略图，找出原图。

二、感知哈希算法 步骤：

1、缩小尺寸到 32×32


2、图像灰度化
3、对图像进行DCT变换 4、DCT的结果是32×32大小的矩阵，但我们只要保留 左上角的8×8的矩阵，这部分呈现了图片中的最低频 率。



相比 pHash ， dHash 的速度要快的多，相比 aHash ， dHash 在效率几乎相同的情况下的效果要更好，它是基于渐变 实现的。

1、缩小尺寸：将图片缩小到8x8的尺寸，总共64个像素。去
除图片的细节，只保留结构、明暗等基本信息，摒弃不同尺寸、 比例带来的图片差异。

2、简化色彩：将缩小后的图片，转为64级灰度。也就是说，
所有像素点总共只有64种颜色。

3、计算平均值：计算所有64个像素的灰度平均值。
4、比较像素的灰度：将每个像素的灰度，与平均值进行比
较。大于或等于平均值，记为1；小于平均值，记为0。

5、计算哈希值：将上一步的比较结果，组合在一起，就构
成了一个64位的整数，这就是这张图片的指纹。组合的次序并 不重要，只要保证所有图片都采用同样次序就行了。

得到指纹以后，就可以计算“汉明距离”，如果不相同的数据 位不超过5，就说明两张图片很相似；如果大于 10，就说明这 是两张不同的图片。
ห้องสมุดไป่ตู้
5、计算平均值
6、与均值比较 7、用汉明距离比较

优点：容忍变形（ 25% 的修改）只要图片的整体 结构保持不变，hash结果值就不变。能够避免伽 马校正或颜色直方图被调整带来的影响。

缺点：速度比传统慢
三、dHash
1.缩小图片：收缩到9*8的大小，一遍它有72的像素点 2.转化为灰度图 3.计算差异值：dHash算法工作在相邻像素之间，这样每 行9个像素之间产生了8个不同的差异，一共8行，则产生 了64个差异值 4.获得指纹：如果左边的像素比右边的更亮，则记录为1， 否则为0.
图像哈希算法
谷歌搜索图像结果
Google和Tineye相似图像搜索主要利用的算法是感 知哈希算法（ Perceptual hash algorithm ），它 的作用是对每张图片生成一个“指纹” （ fingerprint ）字符串，然后比较不同图片的指 纹，结果越接近，就说明图片越相似。
一、均值哈希算法步骤：