图片相似度判断-差异值哈希算法JAVA版

在网上找了好久都没有找到判断图片相似度的差异值哈希算法的JAVA版正确实现，自己手写了一个，提供给大家参考。

差异值哈希算法的流程（dHash）

1. 图片缩放为9*8大小
2. 将图片灰度化
3. 差异值计算（每行相邻像素的差值，这样会生成8*8的差值，前一个像素大于后一个像素则为1，否则为0）
4. 生成哈希值

package com.example.demo.hello;
 
import javax.imageio.ImageIO;
import java.awt.*;
import java.awt.image.BufferedImage;
import java.io.File;
import java.io.IOException;
 
/**
 * 差异哈希算法
 */
public class DHashUtil {
    /**
     * 计算dHash方法
     *
     * @param file 文件
     * @return hash
     */
    private static String getDHash(File file) {
        //读取文件
        BufferedImage srcImage;
        try {
            srcImage = ImageIO.read(file);
        } catch (IOException e) {
            e.printStackTrace();
            return null;
        }
 
        //文件转成9*8像素，为算法比较通用的长宽
        BufferedImage buffImg = new BufferedImage(9, 8, BufferedImage.TYPE_INT_RGB);
        buffImg.getGraphics().drawImage(srcImage.getScaledInstance(9, 8, Image.SCALE_SMOOTH), 0, 0, null);
 
        int width = buffImg.getWidth();
        int height = buffImg.getHeight();
        int[][] grayPix = new int[width][height];
        StringBuffer figure = new StringBuffer();
 
        for (int y = 0; y < height; y++) {
            for (int x = 0; x < width; x++) {
                //图片灰度化
                int rgb = buffImg.getRGB(x, y);
                int r = rgb >> 16 & 0xff;
                int g = rgb >> 8 & 0xff;
                int b = rgb & 0xff;
                int gray = (r * 30 + g * 59 + b * 11) / 100;
                grayPix[x][y] = gray;
 
                //开始计算dHash 总共有9*8像素 每行相对有8个差异值 总共有 8*8=64 个
                if(x != 0) {
                    long bit = grayPix[x-1][y] > grayPix[x][y] ? 1 : 0;
                    figure.append(bit);
                }
            }
        }
 
        return figure.toString();
    }
 
    /**
     * 计算海明距离
     * 

     * 原本用于编码的检错和纠错的一个算法
     * 现在拿来计算相似度，如果差异值小于一定阈值则相似，一般经验值小于5为同一张图片
     *
     * @param str1
     * @param str2
     * @return 距离
     */
    private static long getHammingDistance(String str1, String str2) {
        int distance;
        if (str1 == null || str2 == null || str1.length() != str2.length()) {
            distance = -1;
        } else {
            distance = 0;
            for (int i = 0; i < str1.length(); i++) {
                if (str1.charAt(i) != str2.charAt(i)) {
                    distance++;
                }
            }
        }
        return distance;
    }
 
    //DHashUtil 参数值为待处理文件夹
    public static void main(String[] args) {
        File file1 = new File("xxx//1.jpg");
        File file2 = new File("xxx//2.jpg");
 
        System.out.println("图片1hash值："+getDHash(file1));
        System.out.println("图片2hash值："+getDHash(file2));
        System.out.println("海明距离为："+getHammingDistance(getDHash(file1),getDHash(file2)));
 
    }
}

运行结果如下：

图片1hash值：1001110011111000101100101001010011001000111000001001100011000000
图片2hash值：1001110011111000101100101001000011001000111000001001100011000000
海明距离为：1

以上代码替换main方法中的图片地址即可运行。海明距离可以默认小于5的为相同图片。