ImageHash - Python 图像哈希库

---

一、关于 ImageHash

1、项目概览

Python 实现的图像哈希计算库，支持检测视觉相似图像。

与加密哈希（如 MD5/SHA-1）不同，当图像内容轻微变化时，生成的哈希值仍保持相似。

支持算法：

• 均值哈希（Average hashing）
• 感知哈希（Perceptual hashing）
• 差分哈希（Difference hashing）
• 小波哈希（Wavelet hashing）
• HSV 色彩哈希（colorhash）
• 抗裁剪哈希（Crop-resistant hashing）

---

2、相关链接资源

• GitHub：https://github.com/JohannesBuchner/imagehash
• PyPI：https://pypi.python.org/pypi/ImageHash
• 作者：JohannesBuchner

---

二、技术原理

图像哈希通过分析图像结构特征生成指纹：

• 亮度分析算法（均值/感知/差分/小波哈希）：基于灰度信息
• 色彩哈希算法：分析颜色分布和黑白比例（忽略位置信息）

---

三、安装配置

pip install imagehash

---

依赖库：Pillow、numpy、scipy.fftpack

---

四、基础用法

from PIL import Image
import imagehash# 生成哈希
hash1 = imagehash.average_hash(Image.open('test.png'))
hash2 = imagehash.average_hash(Image.open('peppers.png'))# 比较哈希
print(hash1 == hash2)  # False
print(hash1 - hash2)   # 汉明距离 33  

---

可通过调整 hashsize 参数提高敏感度，示例脚本 find_similar_images 可查找相似图片。

---

五、算法示例

1、图标数据集测试

7441 个 GitHub 图标测试结果：

• phash 结果
• dhash 结果
• colorhash 结果
• average_hash 结果

---

2、艺术品数据集测试

109259 件艺术品测试结果：

• phash 结果
• dhash 结果
• colorhash 结果
• average_hash 结果

---

六、哈希存储与检索

1、字符串转换

# 序列化与反序列化
hash_str = str(imagehash.phash(Image.open('test.png')))
restored_hash = imagehash.hex_to_hash(hash_str)

---

2、数据库优化方案

推荐使用 PostgreSQL + pg-spgist_hamming 扩展，教程见：imagehash-reverse-image-search-tutorial

---

七、参考资源

算法文献

• aHash 算法
• dHash 算法
• wHash 算法
• 抗裁剪哈希论文

---

同类项目

• blockhash-python
• OpenCV img_hash

---

伊织 xAI 2025-09-18（四）