C++如何计算图像的感知哈希值（Perceptual Hash）-C++-PHP中文网

phash是一种感知哈希，专为图像相似性比对设计，通过灰度化、缩放、dct变换、低频系数提取和中位数二值化生成64位指纹，对缩放、旋转、水印等失真鲁棒；而普通哈希如md5对微小改动极度敏感，且不具感知不变性。

c++如何计算图像的感知哈希值（perceptual hash）

什么是 `pHash`，它和普通哈希有什么区别

普通哈希（比如 std::hash 或 MD5）对输入极其敏感：图像像素哪怕改一个字节，输出就完全不一样。而 pHash（Perceptual Hash）是为“人眼看起来相似”设计的——缩放、轻微旋转、加水印、调亮度后，只要内容没变，pHash 值仍高度接近。

核心思路是：把图像转成灰度 → 缩放到 32×32（降噪+统一尺寸）→ DCT 变换 → 取左上 8×8 低频系数 → 计算中位数阈值 → 二值化生成 64 位指纹。

注意：pHash 不是加密哈希，不防篡改，只用于相似性比对；它依赖浮点 DCT 计算，不同平台/库若 DCT 实现有微小差异，结果可能差 1–2 位。

用 OpenCV + FFTW 快速实现 `pHash` 的关键步骤

OpenCV 自带 DCT，但默认用的是 cv::dct，它要求输入为 CV_32F 类型且尺寸是 2 的幂（32×32 满足）。FFTW 更快但需额外链接；多数场景用 OpenCV 就够了。

读图必须用 cv::IMREAD_GRAYSCALE，避免彩色通道干扰
缩放必须用 cv::INTER_AREA（下采样专用），不是 INTER_LINEAR
cv::dct 输入必须是单通道 CV_32F，记得 .convertScaleAbs() 后要再转回 float
DCT 结果取 coeffs(cv::Rect(0, 0, 8, 8))，不是前 64 个元素（DCT 系数是二维排布）

示例片段：

C++ Code Review Master

组合式C++代码评审方案，融合静态分析、AI推理、多轮迭代评审和C++专项检查，适用于PR审查、增量代码审查、全项目评审和代码质量评分，触发词包括review cpp、cpp代码评审、C++review、代码审查。

下载

cv::Mat img = cv::imread("test.jpg", cv::IMREAD_GRAYSCALE);
cv::resize(img, img, cv::Size(32, 32), 0, 0, cv::INTER_AREA);
img.convertScaleAbs(img); // 归一化到 [0,255]
img.convertScaleAbs(img, 1.0/255.0); // 转为 [0.0, 1.0] 浮点
cv::Mat float_img;
img.convertTo(float_img, CV_32F);
cv::Mat dct_coeffs;
cv::dct(float_img, dct_coeffs);
cv::Mat top_left = dct_coeffs(cv::Rect(0, 0, 8, 8));
double median_val;
cv::medianBlur(top_left, top_left, 1); // 避免 medianOfEmpty 掉坑
cv::minMaxLoc(top_left, nullptr, nullptr, nullptr, &median_val);
uint64_t hash = 0;
for (int i = 0; i (i,j) > median_val) hash |= (1ULL 

<h3>
<code>pHash</code> 比较时为什么不能直接用 ==，而要用汉明距离</h3>
<p><code>pHash</code> 是 64 位整数，但两个相似图像的哈希值通常不完全相等——光照变化、JPEG 压缩失真、缩放插值误差都会导致个别位翻转。硬比较 <code>hash1 == hash2</code> 几乎总为 false。</p>
<p>正确做法是计算汉明距离（异或后统计 1 的个数）：<code>__builtin_popcountll(hash1 ^ hash2)</code>（GCC/Clang），MSVC 用 <code>__popcnt64</code>。</p>

距离 ≤ 5：基本可认为是同一图像（含常见失真）
距离 ≥ 15：大概率内容不同
注意：__builtin_popcountll 对 0 输入返回 0，无需特判
如果用 std::bitset，性能差一个数量级，别这么干

容易被忽略的兼容性与精度陷阱

OpenCV 的 cv::dct 在不同版本行为不一致：3.4.x 默认做归一化，4.x 默认不归一化。如果你从旧项目迁移，pHash 值会整体偏移。

显式传 cv::DCT_INVERSE 或 cv::DCT_ROWS 无意义，cv::dct 只支持正向二维 DCT
输入尺寸非 2 的幂（如 31×31）会导致 cv::dct 报错或静默截断，务必检查 img.size()
灰度图读取失败时 img.empty() 为 true，后续 resize 会崩溃，必须先判断
Windows 上若链接了多个 OpenCV 版本（如 conda 和手动编译混用），cv::dct 可能返回 NaN —— 用 cv::checkRange 提前验证