新闻中心 NEWS CENTER

Python dHash算法如何使用

2025-11-06

浏览次数：次

dHash通过计算图像相邻像素差异生成64位哈希值，对内容变化敏感且具备一定亮度鲁棒性。首先缩放图像为9×8并转灰度图，比较每行相邻像素大小关系生成二进制序列，再转换为16进制字符串。Python中结合Pillow库可快速实现，利用汉明距离衡量哈希差异，距离越小图像越相似，通常小于5视为视觉相近，适用于图像去重与相似检索场景。

python dhash算法如何使用

dHash（差异哈希）是一种常用于图像相似度比较的哈希算法。它通过计算图像像素之间的差异生成哈希值，对图像内容变化敏感但对亮度、对比度等小变动有一定鲁棒性。在Python中实现dHash非常简单，通常结合Pillow库处理图像。

1. 安装依赖库

使用dHash前需要安装图像处理库Pillow：

pip install Pillow

2. dHash算法原理简述

dHash的核心步骤如下：

将图像缩放为9×8大小（8列用于计算8×8灰度差）
转换为灰度图
比较相邻像素：右边像素大于等于左边则对应位为1，否则为0
生成64位哈希值（8×8=64）

3. Python实现dHash函数

下面是一个完整的dHash实现示例：

from PIL import Image

def dhash(image_path, hash_size=8):

网趣网上购物系统HTML静态版

网趣购物系统静态版支持网站一键静态生成，采用动态进度条模式生成静态，生成过程更加清晰明确，商品管理上增加淘宝数据包导入功能，与淘宝数据同步更新!采用领先的AJAX+XML相融技术，速度更快更高效！系统进行了大量的实用性更新，如优化核心算法、增加商品图片批量上传、谷歌地图浏览插入等，静态版独特的生成算法技术使静态生成过程可随意掌控，从而可以大大减轻服务器的负担，结合多种强大的SEO优化方式于一体，使

0 查看详情网趣网上购物系统HTML静态版

打开图像并调整大小为 (hash_size + 1) x hash_size

img = Image.open(image_path)
img = img.convert('L').resize((hash_size + 1, hash_size), Image.Resampling.LANCZOS)

# 获取像素数据
pixels = list(img.getdata())

# 计算差异：每行比较相邻像素
difference = []
for row in range(hash_size):
    for col in range(hash_size):
        left_pixel = pixels[row * (hash_size + 1) + col]
        right_pixel = pixels[row * (hash_size + 1) + col + 1]
        difference.append(left_pixel > right_pixel)

# 转换为二进制哈希
decimal_value = 0
for i, diff in enumerate(difference):
    if diff:
        decimal_value += 2**i

return "{:0>16x}".format(decimal_value)  # 返回16字符hex字符串