目前主要是均值，phash

先说均值：

下面是一个最简单的实现：

第一步，缩小尺寸。

将图片缩小到8x8的尺寸，总共64个像素。这一步的作用是去除图片的细节，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。

第二步，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。

第三步，计算平均值。

计算所有64个像素的灰度平均值。

第四步，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。

第五步，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。

Pash缩小为32*32，并且要进行DCT离散余弦变换，这个计算比较耗时

但是不管是均值还是phash都不具备旋转不变性

所以如果希望能具备旋转不变性，只能做矢量匹配，这个耗时就高了

因为项目要用，所以自己就想在均值hash的基础上，做个矢量处理

初步的想法：

1.整体流程跟均值hash一致

2.计算哈希值的时候，做个方向性，8*8的方形区域计算，

1）上半部分和下半部分对称位对比，如果上半部分比下半部分大，上半部分是正方向，反之下半部分是正方向。

2）左半部分和右半部分对称位对比，如果左半部分比右半部分大，左半部分是正方向，反之右半部分是正方向。

3）由两个正方向决定phash计算的起始点位置，两个正方向的夹角开始计算，或者只有一个正方向的左上角开始

ITPub博客

图片hash算法矢量处理