這種技術(shù)的原理是什么？計(jì)算機(jī)怎么知道兩張圖片相似呢？
根據(jù)Neal Krawetz博士的解釋，原理非常簡(jiǎn)單易懂。我們可以用一個(gè)快速算法，就達(dá)到基本的效果。
這里的關(guān)鍵技術(shù)叫做"感知哈希算法"（Perceptual hash algorithm），它的作用是對(duì)每張圖片生成一個(gè)"指紋"（fingerprint）字符串，然后比較不同圖片的指紋。結(jié)果越接近，就說明圖片越相似。
下面是一個(gè)最簡(jiǎn)單的實(shí)現(xiàn)：
第一步，縮小尺寸。
將圖片縮小到8x8的尺寸，總共64個(gè)像素。這一步的作用是去除圖片的細(xì)節(jié)，只保留結(jié)構(gòu)、明暗等基本信息，摒棄不同尺寸、比例帶來的圖片差異。
第二步，簡(jiǎn)化色彩。
將縮小后的圖片，轉(zhuǎn)為64級(jí)灰度。也就是說，所有像素點(diǎn)總共只有64種顏色。
第三步，計(jì)算平均值。
計(jì)算所有64個(gè)像素的灰度平均值。
第四步，比較像素的灰度。
將每個(gè)像素的灰度，與平均值進(jìn)行比較。大于或等于平均值，記為1；小于平均值，記為0。
第五步，計(jì)算哈希值。
將上一步的比較結(jié)果，組合在一起，就構(gòu)成了一個(gè)64位的整數(shù)，這就是這張圖片的指紋。組合的次序并不重要，只要保證所有圖片都采用同樣次序就行了。
= 
= 8f373714acfcf4d0
得到指紋以后，就可以對(duì)比不同的圖片，看看64位中有多少位是不一樣的。在理論上，這等同于計(jì)算"漢明距離"（Hamming distance）。如果不相同的數(shù)據(jù)位不超過5，就說明兩張圖片很相似；如果大于10，就說明這是兩張不同的圖片。
具體的代碼實(shí)現(xiàn)，可以參見Wote用python語(yǔ)言寫的imgHash.py。代碼很短，只有53行。使用的時(shí)候，第一個(gè)參數(shù)是基準(zhǔn)圖片，第二個(gè)參數(shù)是用來比較的其他圖片所在的目錄，返回結(jié)果是兩張圖片之間不相同的數(shù)據(jù)位數(shù)量（漢明距離）。
這種算法的優(yōu)點(diǎn)是簡(jiǎn)單快速，不受圖片大小縮放的影響，缺點(diǎn)是圖片的內(nèi)容不能變更。如果在圖片上加幾個(gè)文字，它就認(rèn)不出來了。所以，它的最佳用途是根據(jù)縮略圖，找出原圖。
實(shí)際應(yīng)用中，往往采用更強(qiáng)大的pHash算法和SIFT算法，它們能夠識(shí)別圖片的變形。只要變形程度不超過25%，它們就能匹配原圖。這些算法雖然更復(fù)雜，但是原理與上面的簡(jiǎn)便算法是一樣的，就是先將圖片轉(zhuǎn)化成Hash字符串，然后再進(jìn)行比較。