17370845950

Java检测重复图片的核心是图像哈希，常用aHash、pHash、dHash三种算法；dHash推荐入门，用BufferedImage缩放为9×8灰度图，比较相邻像素差生成64位二进制指纹，汉明距离≤3–5视为重复。

Java 检测重复图片，核心思路是用图像哈希（Image Hash）把图片转成固定长度的指纹，再比对指纹相似度。不是逐像素比较，而是提取视觉特征后降维，兼顾速度和鲁棒性（对缩放、亮度微调、轻微压缩不敏感）。

选哪种 Hash 算法？

常用且适合 Java 实战的有三种：

• 平均哈希（aHash）：最简单快速，适合大量初筛。缩放为 8×8 灰度图 → 算平均值 → 每个像素转 0/1 → 得 64 位二进制 hash。差异 ≤ 5 位大概率是同一图。
• 感知哈希（pHash）：更抗干扰。缩放为 32×32 → DCT 变换 → 取左上 8×8 低频系数 → 算中值 → 生成 64 位 hash。适合识别缩略图、轻微裁剪或 JPEG 压缩后的重复图。
• dHash（差异哈希）：比 aHash 更稳定。缩放为 9×8 → 计算相邻像素差值 → 转 0/1 → 得 64 位 hash。对平移和局部变化更鲁棒，计算也快。

用 Java 快速实现 dHash（推荐入门）

不需要复杂依赖，JDK 自带 BufferedImage 就够用：

public static String dHash(BufferedImage img) {
    int width = 9, height = 8;
    BufferedImage resized = resizeGray(img, width, height); // 缩放+灰度
    StringBuilder sb = new StringBuilder();
    for (int i = 0; i < height; i++) {
        for (int j = 0; j < width - 1; j++) {
            int pixelLeft = resized.getRGB(j, i) & 0xFF;
            int pixelRight = resized.getRGB(j + 1, i) & 0xFF;
            sb.append(pixelLeft > pixelRight ? "1" : "0");
        }
    }
    return sb.toString(); // 返回 64 字符二进制串
}

比对时直接计算汉明距离（异或后数 1 的个数），≤ 3–5 通常视为重复。

实战优化建议

• 先粗筛再精排：用 aHash 或 dHash 扫全量图库生成 hash 表；查重时只对 hash 相似（如汉明距离
• 预处理统一化：读图后强制转 RGB 格式、去透明通道（alpha 设为白底），避免同图因 PNG/WEBP 存储差异导致 hash 偏移。
• 用 Long 替代 String 存 hash：64 位二进制可转为 long，比对用 Long.bitCount(h1 ^ h2)，性能提升 5–10 倍。
• 加文件尺寸/宽高过滤：明显尺寸不同的图无需算 hash，前置判断能省下大量 IO 和计算。

基本上就这些。Hash 不是万能——完全翻转、大幅裁剪、加水印的图可能漏判，但对日常去重、相册整理、上传防重，dHash + 汉明阈值已足够好用。