Android中三种比较图片相似度的方法
1.基于像素的比较
这种方法很简单，bitmap的每个像素点的三原色的值进行比较，根据公式来进行计算相似度
int i -> compressHeight int j -> compressWidth pixel1 = bitmap1.getPixel(x, y) pixel2 = bitmap2.getPixel(x, y) r1 = Color.red(pixel1) g1 = Color.green(pixel1) b1 = Color.blue(pixel1) r2 = Color.red(pixel2) g2 = Color.green(pixel2) b2 = Color.blue(pixel2) diff += Math.abs(r1 - r2) diff += Math.abs(g1 - g2) diff += Math.abs(b1 - b2) maxDiff = 3 * 255 * width * height similar = diff / maxDiff
上面的计算原理非常容易理解，挨个去像素点三原色的点，进行比较，不断的取两张图片每个像素点的颜色差异，最后计算两张图片的差异。
优点：
- 简单容易实现
- 适用于任何类型的图片比较，不需要经过复杂的预处理和特征提取
- 通过逐像素比较两张图片的RGB值，结果直观易懂
缺点：
- 对于颜色、亮度、尺度变化较大的图片，无法提取图片的特征
- 基于RGB信息匹配的方式最大的缺点就是计算量相当大，其计算过程中有很多不必要的区域也进行了相关计算
- 对目标变化敏感：对目标的变形、旋转以及遮挡也比较敏感
2.感知哈希算法
步骤
- 第一步，缩小尺寸。将图片缩小到8x8的尺寸，总共64个像素。这一步的作用是去除图片的细节，只保留结构、明暗等基本信息，摒弃不同尺寸、比例带来的图片差异。
- 第二步，简化色彩。将缩小后的图片，转为64级灰度。也就是说，所有像素点总共只有64种颜色。
- 第三步，计算平均值。计算所有64个像素的灰度平均值。
- 第四步，比较像素的灰度。将每个像素的灰度，与平均值进行比较。大于或等于平均值，记为1；小于平均值，记为0。
- 第五步，计算哈希值。将上一步的比较结果，组合在一起，就构成了一个64位的整数，这就是这张图片的指纹。组合的次序并不重要，只要保证所有图片都采用同样次序就行了。
- 得到指纹以后，就可以对比不同的图片，看看64位中有多少位是不一样的。在理论上，这等同于计算汉明距离（Hamming distance）。如果不相同的数据位不超过5，就说明两张图片很相似；如果大于10，就说明这是两张不同的图片。
优点：
- 不受图片大小缩放的影响，效率略差
缺点：
- 图片的内容不能变更。如果在图片上加几个文字，它就认不出来了。
- 它的最佳用途是根据缩略图，找出原图。
- 对于图像颜色不敏感的情况下，可以去掉灰度处理，可以大大提高比较效率
