先上代码 前面有介绍
import cv2import numpy as np#均值哈希算法def aHash(img): # 缩放为8*8 img = cv2.resize(img, (8, 8), interpolation=cv2.INTER_CUBIC) # 转换为灰度图 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # s为像素和初值为0，hash_str为hash值初值为'' s = 0 hash_str = '' # 遍历累加求像素和 for i in range(8): for j in range(8): s = s + gray[i, j] # 求均匀灰度 avg = s / 64 # 灰度大于平均值为1相同为0生成图片的hash值 for i in range(8): for j in range(8): if gray[i, j] > avg: hash_str = hash_str + '1' else: hash_str = hash_str + '0' return hash_str#差值感知算法def dHash(img): #缩放8*8 img=cv2.resize(img,(9,8),interpolation=cv2.INTER_CUBIC) #转换灰度图 gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) hash_str='' #每行前一个像素大于后一个像素为1，相同为0，生成哈希 for i in range(8): for j in range(8): if gray[i,j]>gray[i,j+1]: hash_str=hash_str+'1' else: hash_str=hash_str+'0' return hash_str#Hash值比照def cmpHash(hash1,hash2): n=0 #hash长度不同则返回-1代表传参出错 if len(hash1)!=len(hash2): return -1 #遍历判断 for i in range(len(hash1)): #不相等则n计数+1，n最终为类似度 if hash1[i]!=hash2[i]: n=n+1 return n# 取各个mp4 第2秒的截图 进行比拟# 图1img1=cv2.imread(r'a.jpg')# 图2img2=cv2.imread(r'b.jpg')hash1= aHash(img1)hash2= aHash(img2)print(hash1)print(hash2)n=cmpHash(hash1,hash2)print ('均值哈希算法类似度：'+ str(n))hash1= dHash(img1)hash2= dHash(img2)print(hash1)print(hash2)n=cmpHash(hash1,hash2)print ('差值哈希算法类似度：'+ str(n))#差值越小 代表 越相近均值哈希算法 && 差值哈希算法 区别(另附感知哈希):
均值哈希（aHash）：
图片缩放，个别为88，或者3232；
图片灰度化；
求平均值，并依据平均值将每一个像素二值化（大于均值为1小于均值为0）；
将8*8=64位bit，每8个比特为一个十六进制值，转换成字符串，生成哈希值（指纹）；
感知哈希（pHash）：
图片缩放，个别32*32；
图片灰度化；
对图片进行离散余弦变换（DCT），转换频域；
取频域左上角8*8大小（图片的能量都集中在低频局部，低频位于左上角）；
求平均值，并依据平均值将每一个像素二值化（大于均值为1小于均值为0）；
生成哈希值；
差值哈希（dHash）：
图片缩放为9*8大小；
图片灰度化；
差别值计算（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）；
生成哈希值；