你朋友圈发的假图被我发现了！

我们常用的搜索引擎百度，它的搜索框内有一个小相机，不知道大家有没有注意，我们将照片上传可以找到相似图片以及图片的出处。

比方我上传一张Ng的图片，

百度就会给出它的搜索答案。

这件事是如何做到的呢？相似的图片是如何比对找到的呢？

其中有一个最基础的算法：“感知哈希”。这个算法的原理是非常直观且易于理解的，它的作用是对每张图片生成一个"指纹"，然后比较不同图片的指纹。如果结果接近，就说明图片相似。

下面我们就来对这个算法做一个简单实现。

1）缩小图片的尺寸

可以将图片缩小到8x8的尺寸，总共64个像素。用来去除这些图片的细节，只保留结构、明暗等基本信息，不考虑不同尺寸以及不同比例带来的图片差异。

这里我们只需要用安装pillow，利用 resize 函数修改图片的尺寸即可。

2）转成灰度图像并计算灰度值的平均值

把缩小后的图像转换成灰度，一共可以得到64个灰度值。接着计算这些灰度值的平均值。

这一步同样容易，我们可以用 convert 函数把图片转化成灰度图像。

im = im.resize((8, 8), Image.ANTIALIAS).convert('L')
avg = reduce(lambda x, y: x + y, im.getdata()) / 64.

3）灰度值比较

把每一个灰度值与平均灰度值进行比较，如果灰度值大于或等于平均，则记为1，反之记为0。

zero_one=[]
data=list(im.getdata()) 
for i in range(64):
    if data[i]>avg:
        zero_one.append(1)
    else:
        zero_one.append(0)

这里定义了一个 zero_one 列表用于存储灰度的0-1值。而这个列表也正是这张图片的“指纹”。

4）“指纹”比较

在得到图片的“指纹”以后，我们就可以对比不同的图片，看看在这64位中共有多少位是不一样的。可以按照不同位个数的差异，来作为图片差异的对照。

一般来说，有5位之内的差异，可以看作是相似的图片；超过5位，便可以当作不相似的图片。

基于这个算法，我们可以通过计算机来识别相似图片。朋友圈的假图（网图）便无所遁形啦。