神经网络的深度学习开展曾经使得复杂图像辨认成爲了一个很容易的义务。但是很多普通顺序员们并没有足够的算力停止训练。因而我们明天引见一下更容易完成的图像类似性判别办法：感知哈希算法。感知哈希算法是一类哈希算法的总称，其作用在于生成每张图像的“指纹（fingerprint）”，这外面的指纹通常是一个字符串。然后经过不同图像的指纹来判别图像的类似性。两个指纹之间的间隔，例如说汉明间隔越近，意味着两张图片就越类似。常用的感知哈希算法包括均值哈希(aHash)、感知哈希(pHash)、和差别值哈希(dHash)。从特点下去看，均值哈希的速度较快，但是准确度较低，而感知哈希则反之。差别值哈希兼取二者之长，准确度较高，速度也较快。上面我们以均值哈希爲例引见一下感知哈希算法的流程：1、缩放图片：爲了保存图像构造、降低图像信息量。需求去掉细节、大小和纵横比的差别。例如说一致将图片缩放到8*8，共64个像素。2、转化爲灰度图：将紧缩后的图片转化爲256阶的灰度图。常用的黑色转换爲灰度图的办法是将原来颜色的RGB值，辨别乘以一个系数转换爲灰度值。常用的转换系数是来自于国际电信联盟爲显示器制定的Rec.ITU-R BT.601-7(03/2011)规范，Gray = R*0.299+G*0.587+B*0.114。后来又针对更新的关于人眼熟理特性的研讨，在ITU-R BT.709-6 (06/2015)将系数又调整爲Gray=0.2126 *R+0.7152*G+0.0722*B。3、计算均匀值：计算停止灰度处置后图片一切像素点的均匀值。4、比拟像素灰度值：遍历灰度图片每一个像素，假如大于均匀值爲1，否则爲0。