图片相似度
图片哈希
均值哈希算法 (ahash)：均值哈希算法就是利用图片的低频信息。将图片缩小至 8*8，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。将缩小后的图片，转为 64 级灰度。计算所有 64 个像素的灰度平均值，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，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。
感知哈希算法 (phash)：感知哈希算法是一种比均值哈希算法更为健壮的算法，与均值哈希算法的区别在于感知哈希算法是通过 DCT（离散余弦变换）来获取图片的低频信息。先将图像缩小至 32*32，并转化成灰度图像来简化 DCT 的计算量。通过 DCT 变换，得到 32*32 的 DCT 系数矩阵，保留左上角的 8*8 的低频矩阵（这部分呈现了图片中的最低频率）。再计算 8*8 矩阵的 DCT 的均值，然后将低频矩阵中大于等于 DCT 均值的设为 1，小于 DCT 均值的设为 0，组合在一起，就构成了一个 64 位的整数，组成了图像的指纹。
差异值哈希算法 (dhash)：差异值哈希算法将图像收缩小至 8*9，共 72 的像素点，然后把缩放后的图片转化为 256 阶的灰度图。通过计算每行中相邻像素之间的差异，若左边的像素比右边的更亮，则记录为 1，否则为 0，共形成 64 个差异值，组成了图像的指纹。
其他知名哈希算法：
- Block Hash：块哈希
- Median Hash：中值哈希
- Wavelet Hash：小波哈希
参考：
- 相似图像的检测方法 · 测试之家 (testerhome.com)
- Testing different image hash functions – Content Blockchain (content-blockchain.org)
- JohannesBuchner/imagehash: A Python Perceptual Image Hashing Module (github.com)
直方图方法
- 单通道直方图和三直方图
特征提取
- SIFT
Emedding 图片嵌入 CLIP
骨干网络
- 简单 CNN：基本嵌入
- MobileNetV3：论文 | 参考（imagededup），轻量快速的 CNN
- VGG16 +?：骨干网络，实现未知
- clip-vit-large-patch14 | OpenAI ViT 大模型
- SWAV：代码 | 论文 | 参考，无监督对比聚类
- ViT 微调版本，参考 Hugging Face