想必大家都用google或baidu的識圖功能，上面就是我搜尋冠希哥一幅圖檔的結果，達到圖檔比較目的且利用資訊指紋比較有三種算法，這些算法都很易懂，下面分别介紹一下：
一、平均雜湊演算法（aHash）
此算法是基于比較灰階圖每個像素與平均值來實作的，最适用于縮略圖，放大圖搜尋。
步驟：
1.縮放圖檔：為了保留結構去掉細節，去除大小、橫縱比的差異，把圖檔統一縮放到8*8，共64個像素的圖檔。
2.轉化為灰階圖：把縮放後的圖檔轉化為256階的灰階圖。
附上灰階圖相關算法（R = red， G = green， B = blue）
1.浮點算法：Gray=R*0.3+G*0.59+B*0.11 2.整數方法：Gray=(R*30+G*59+B*11)/100 3.移位方法：Gray =(R*76+G*151+B*28)>>8; 4.平均值法：Gray=（R+G+B）/3; 5.僅取綠色：Gray=G； 3.計算平均值： 計算進行灰階處理後圖檔的所有像素點的平均值。
4.比較像素灰階值：周遊灰階圖檔每一個像素，如果大于平均值記錄為1，否則為0.
5.得到資訊指紋：組合64個bit位，順序随意保持一緻性即可。
6.對比指紋：計算兩幅圖檔的指紋，計算漢明距離（從一個指紋到另一個指紋需要變幾次），漢明距離越大則說明圖檔越不一緻，反之，漢明距離越小則說明圖檔越相似，當距離為0時，說明完全相同。（通常認為距離>10 就是兩張完全不同的圖檔）
下面是我用java寫的此算法的程式，eclipse可直接運作。
下載下傳位址：http://download.csdn.net/detail/nash_/5093143
待比較的原圖：
圖檔庫中的四張圖：
輸出結果：
similar_pic.jpg與原圖很少相似
google.gif與原圖完全不同
origin.jpg與原圖是同一張圖
ohter_word.jpg與原圖極其相似
二、感覺雜湊演算法（pHash）
平均雜湊演算法過于嚴格，不夠精确，更适合搜尋縮略圖，為了獲得更精确的結果可以選擇感覺雜湊演算法，它采用的是DCT（離散餘弦變換）來降低頻率的方法
步驟：
1.縮小圖檔：32 * 32是一個較好的大小，這樣友善DCT計算
2.轉化為灰階圖：把縮放後的圖檔轉化為256階的灰階圖。（具體算法見平均雜湊演算法步驟）
3.計算DCT:DCT把圖檔分離成分率的集合
4.縮小DCT：DCT是32*32，保留左上角的8*8，這些代表的圖檔的最低頻率
5.計算平均值：計算縮小DCT後的所有像素點的平均值。
6.進一步減小DCT：大于平均值記錄為1，反之記錄為0.
7.得到資訊指紋：組合64個資訊位，順序随意保持一緻性即可。
8.對比指紋：計算兩幅圖檔的指紋，計算漢明距離（從一個指紋到另一個指紋需要變幾次），漢明距離越大則說明圖檔越不一緻，反之，漢明距離越小則說明圖檔越相似，當距離為0時，說明完全相同。（通常認為距離>10 就是兩張完全不同的圖檔）
此算法可參考開源項目pHash，下載下傳位址：http://www.phash.org/download/
三、差異雜湊演算法（dHash）
相比pHash，dHash的速度要快的多，相比aHash，dHash在效率幾乎相同的情況下的效果要更好，它是基于漸變實作的。
步驟：
1.縮小圖檔：收縮到9*8的大小，一遍它有72的像素點
2.轉化為灰階圖：把縮放後的圖檔轉化為256階的灰階圖。（具體算法見平均雜湊演算法步驟）
3.計算差異值：dHash算法工作在相鄰像素之間，這樣每行9個像素之間産生了8個不同的差異，一共8行，則産生了64個差異值
4.獲得指紋：如果左邊的像素比右邊的更亮，則記錄為1，否則為0.
需要說明的是這種指紋算法不僅可以應用于圖檔搜尋，同樣适用于其他多媒體形式。除此之外，圖檔搜尋特征提取方法有很多，很多算法還有許多可以改進的地方，比如對于人物可以先進行人臉識别，再在面部區域進行局部的哈希，或者背景是純色的可以先過濾剪裁等等，最後在搜尋的結果中還可以根據顔色、風景、産品等進行過濾。
==================================================================================================
作者：nash_ 歡迎轉載，與人分享是進步的源泉！
轉載請保留原文位址：http://blog.csdn.net/nash_/article/details/8618775
===================================================================================================