利用直方圖距離計算圖片相似度

計算公式：

其中，G和S為兩張圖片的影象顏色分佈直方圖，N為顏色空間樣點數。

這裡使用分塊的方法計算相似度，用以提高各部分的特徵，防止圖片顏色相似導致計算的相似度高。

利用平均雜湊演算法計算圖片相似度

計算步驟：

1. 縮放圖片：一般大小為8*8，64個畫素值
2. 簡化色彩，轉化為灰度圖：可以使用Image的convert(‘L’)方法
3. 計算平均值：計算出灰度圖所有畫素點的畫素值的平均值
4. 比較畫素灰度值：遍歷灰度圖的每一個畫素值與上一步計算的平均值，大於平均值記錄為1，否則為0
5. 得到64點陣圖像指紋
6. 記錄兩張圖片的影象指紋的漢明距離，計算圖片相似度

利用感知雜湊演算法計算圖片相似度

計算步驟：

1. 縮放圖片：一般大小為32*32，這樣方便DCT計算
2. 簡化色彩，轉化為灰度圖：可以使用Image的convert(‘L’)方法

3. 獲得影象的二維資料矩陣f(x,y)

   求離散餘弦變換的係數矩陣[A]

   求係數矩陣對應的轉置矩陣[A]T

   根據公式[F(u,v)]=[A][f(x,y)][A]T 計算離散餘弦變換

4. 縮小DCT：DCT計算後的矩陣是32*32，保留左上角的8*8，這些代表的圖片的最低頻率

5. 計算平均值：計算縮小DCT後的所有畫素點的平均
6. 進一步減小DCT：大於平均值記錄為1，否則為0
7. 得到64位資訊指紋
8. 記錄兩張圖片的影象指紋的漢明距離，計算圖片相似度

利用差異雜湊演算法計算圖片相似度

計算步驟：

1. 縮放圖片：一般大小為9*8，以留下多一行的畫素資料進行差異計算
2. 簡化色彩，轉化為灰度圖：可以使用Image的convert(‘L’)方法
3. 計算差異值：dHash演算法工作在相鄰畫素之間，這樣每行9個畫素之間產生了8個不同的差異，一共8行，則產生了64個差異雜湊值
4. 得到64位資訊指紋：如果左邊的畫素比右邊的更亮，則記錄為1，否則為0
5. 記錄兩張圖片的影象指紋的漢明距離，計算圖片相似度