Python计算图片相似度的几种算法：直方图、哈希与SSIM详解

不晚

发布时间：2026-10-25 | 6人浏览过

原创

在Python中判断两张图片的相似程度，没有单一通用的“最优解”，关键在于平衡业务场景对计算延迟、色彩分布、几何形变以及人眼主观画质的敏感度。工程实践中最主流的三类算法是颜色直方图（侧重色彩统计、忽略空间位置）、图像感知哈希（侧重特征降维与海量快速粗筛）以及结构相似性指标SSIM（侧重人眼感知的结构与画质高保真度量）。本文将系统解析这三类算法的数学原理、OpenCV与scikit-image的代码实现、适用边界及生产环境选型实践。

一、核心算法定位与选型逻辑

评估图像相似度时，不同算法对图像各类畸变的敏感程度存在巨大差异。例如，直接逐像素做差（MSE/PSNR）对即使1像素的平移也会产生巨大误差；而简单对比尺寸或文件大小则无法反映内容差异。因此，合理的技术选型应先明确图像比对的核心诉求。

直方图算法主要量化像素强度的统计分布，适合评估色调、光影分布相近的图像检索；感知哈希（aHash/dHash/pHash）将图像抽象为低频二进制指纹，计算速度极快，是图库秒级查重与海量粗筛的首选；SSIM（Structural Similarity Index）则模拟人类视觉系统对亮度和结构轮廓的感知，适合图像压缩质量检测、超分辨率重建评估以及精密相似度校验。

Python计算图片相似度的几种算法：直方图、哈希与SSIM详解 — 图 1：三种图像相似度算法的技术定位、特征抽象与决策流

二、基于颜色直方图的相似度计算

颜色直方图（Color Histogram）通过统计图像中特定颜色或亮度区间出现的频次，将二维图像映射为一维或多维统计向量。在比对时，算法仅计算两组向量之间的数学距离，完全脱离了像素在图像中的具体坐标。

如果直接在 RGB 空间计算直方图，光照强弱会同时改变 R、G、B 三个通道的取值。因此，工业应用中通常先将图片转换至 HSV 空间（色调 H、饱和度 S、明度 V）。在 HSV 空间中，色调（Hue）与饱和度（Saturation）代表了图像的本征色彩，丢弃或降低明度（Value）通道的权重可以大幅减轻光照明暗变化带来的干扰。

1. OpenCV 比对实现代码

在 Python 中使用 cv2.calcHist 与 cv2.compareHist 计算直方图相似度的完整实现如下：

import cv2

def compare_image_histograms(img_path1: str, img_path2: str):
    """
    基于 HSV 颜色直方图计算两张图片的相似度
    """
    # 1. 加载图像文件
    img1 = cv2.imread(img_path1)
    img2 = cv2.imread(img_path2)
    
    if img1 is None or img2 is None:
        raise FileNotFoundError("无法读取指定图像，请确认路径有效。")

    # 2. 转换色彩空间至 HSV
    hsv1 = cv2.cvtColor(img1, cv2.COLOR_BGR2HSV)
    hsv2 = cv2.cvtColor(img2, cv2.COLOR_BGR2HSV)

    # 3. 统计 H-S 二维直方图 (H通道: 50 bins, S通道: 60 bins)
    hist1 = cv2.calcHist([hsv1], [0, 1], None, [50, 60], [0, 180, 0, 256])
    hist2 = cv2.calcHist([hsv2], [0, 1], None, [50, 60], [0, 180, 0, 256])

    # 4. 归一化至 [0, 1] 范围
    cv2.normalize(hist1, hist1, alpha=0, beta=1, norm_type=cv2.NORM_MINMAX)
    cv2.normalize(hist2, hist2, alpha=0, beta=1, norm_type=cv2.NORM_MINMAX)

    # 5. 计算多种常用比对指标
    correl = cv2.compareHist(hist1, hist2, cv2.HISTCMP_CORREL)
    bhattacharyya = cv2.compareHist(hist1, hist2, cv2.HISTCMP_BHATTACHARYYA)
    chisqr = cv2.compareHist(hist1, hist2, cv2.HISTCMP_CHISQR)
    intersect = cv2.compareHist(hist1, hist2, cv2.HISTCMP_INTERSECT)

    return {
        "correlation": correl,              # 越大越相似 [ -1 ~ 1 ]
        "bhattacharyya": bhattacharyya,      # 越小越相似 [ 0 ~ 1 ]
        "chi_square": chisqr,               # 越小越相似 [ 0 ~ inf )
        "intersection": intersect           # 越大越相似
    }

# 示例调用
# results = compare_image_histograms("photo_a.jpg", "photo_b.jpg")
# print(f"巴氏距离: {results['bhattacharyya']:.4f}, 相关性: {results['correlation']:.4f}")

注意事项：直方图算法最大的软肋是完全缺乏空间结构感知。如果把一张画作切成 16 块碎片并随机打乱位置拼接，重组后的图片直方图与原图完全一致，巴氏距离仍为 0。因此，直方图绝对不能单独用作严格的内容认证或防抄袭检测。

三、基于图像感知哈希的快速指纹对比

感知哈希（Perceptual Hashing）的核心思想是将图像进行极度降采样与信息过滤，提取具有代表性的低频骨架特征，并将其编码为一个固定长度（常用 64 位，即 8 字节）的二进制哈希指纹。

比对两张图片时，只需计算两个 64 位二进制指纹之间的汉明距离（Hamming Distance）——即两个哈希值在对应比特位上不同数值的个数。现代 CPU 可以在单个周期内通过异或（XOR）与 POPCNT 指令完成 64 位汉明距离计算，每秒可完成上亿次比对，因此是工业级海量图像检索的核心基石。

常见的图像哈希算法主要有以下三种变体：

均值哈希（aHash, Average Hash）：缩放为 8×8 灰度图，计算像素均值，将大于均值的位设为 1，其余设为 0。运算最简单，但抵抗噪声与微小旋转的能力较弱。
差异哈希（dHash, Difference Hash）：缩放为 9×8 灰度图，每行比较相邻两像素的强度差值（左像素大于右像素置 1，反之置 0）。保留了边缘梯度方向，计算极快且对轻度拉伸、对比度微调非常稳健。
感知哈希（pHash, Perceptual Hash）：缩放至 32×32 并执行二维离散余弦变换（DCT），仅保留左上角 8×8 的低频能量分量，再通过低频中位数或均值二值化。抗压缩、抗伽马调整能力最强，但 DCT 变换稍有计算开销。

2. 图像哈希完整 Python 实现

以下代码基于 OpenCV 与 NumPy 原生实现了三种哈希函数及汉明距离比对，避免引入庞大的第三方依赖：

import cv2
import numpy as np

def ahash(img: np.ndarray, hash_size: int = 8) -> np.ndarray:
    """均值哈希 (Average Hash)"""
    resized = cv2.resize(img, (hash_size, hash_size), interpolation=cv2.INTER_AREA)
    gray = cv2.cvtColor(resized, cv2.COLOR_BGR2GRAY)
    avg = gray.mean()
    return (gray > avg).flatten()

def dhash(img: np.ndarray, hash_size: int = 8) -> np.ndarray:
    """差异哈希 (Difference Hash)"""
    # 宽度额外扩展1像素，以便每行计算8次差值
    resized = cv2.resize(img, (hash_size + 1, hash_size), interpolation=cv2.INTER_AREA)
    gray = cv2.cvtColor(resized, cv2.COLOR_BGR2GRAY)
    # 比较水平相邻像素：左边大于右边则为 True
    diff = gray[:, 1:] > gray[:, :-1]
    return diff.flatten()

def phash(img: np.ndarray, hash_size: int = 8, highfreq_factor: int = 4) -> np.ndarray:
    """感知哈希 (Perceptual Hash - DCT)"""
    img_size = hash_size * highfreq_factor  # 通常缩放为 32x32
    resized = cv2.resize(img, (img_size, img_size), interpolation=cv2.INTER_AREA)
    gray = cv2.cvtColor(resized, cv2.COLOR_BGR2GRAY)
    
    # 浮点型二维离散余弦变换
    dct = cv2.dct(np.float32(gray))
    # 截取左上角代表主要低频能量的 8x8 区域
    dct_lowfreq = dct[:hash_size, :hash_size]
    # 排除第一项直流分量 dct[0, 0] 计算平均值
    avg = (dct_lowfreq.sum() - dct_lowfreq[0, 0]) / (hash_size * hash_size - 1)
    return (dct_lowfreq > avg).flatten()

def hamming_distance(hash1: np.ndarray, hash2: np.ndarray) -> int:
    """计算两个布尔型哈希数组的汉明距离"""
    return int(np.count_nonzero(hash1 != hash2))

def hash_similarity_ratio(hash1: np.ndarray, hash2: np.ndarray) -> float:
    """将汉明距离映射为 0.0 ~ 1.0 的相似度比例"""
    distance = hamming_distance(hash1, hash2)
    total_bits = len(hash1)
    return max(0.0, 1.0 - (distance / total_bits))

# 示例执行代码
# img_a = cv2.imread("sample1.jpg")
# img_b = cv2.imread("sample2.jpg")
# dist_dhash = hamming_distance(dhash(img_a), dhash(img_b))
# print(f"dHash 汉明距离: {dist_dhash}, 归一化相似度: {1.0 - dist_dhash/64:.2%}")

四、基于结构相似性（SSIM）的高精度质量与相似度评估

与直方图的无序统计以及哈希的粗粒度压缩不同，SSIM（Structural Similarity Index Measure）严格保留了二维图像的几何拓扑关系。SSIM 的理论基础是：人类视觉系统（HVS）在观察物体时，能够高度自适应地剥离明暗强弱与色彩漂移，重点提取场景中的物体结构信息（边缘、纹理、轮廓交互）。

对于参考图像窗口 $x$ 与失真图像窗口 $y$，SSIM 将视觉对比拆解为三个独立的无量纲乘子：

亮度对比项 $l(x, y)$：以局部窗口的均值 $\mu_x$ 和 $\mu_y$ 评估平均亮度差异。
对比度对比项 $c(x, y)$：以局部窗口的标准差 $\sigma_x$ 和 $\sigma_y$ 评估纹理反差与信号动态范围差异。
结构对比项 $s(x, y)$：以局部窗口的互协方差 $\sigma_{xy}$ 评估去除亮度和对比度后的几何结构相关性。

3. scikit-image 与 OpenCV 实现代码

在实际生产环境中，通常直接调用经过充分优化的 scikit-image 库来计算 SSIM：

import cv2
from skimage.metrics import structural_similarity as ssim

def calculate_ssim(img_path1: str, img_path2: str, multichannal: bool = False):
    """
    计算两张图片的结构相似度 SSIM 分数
    """
    img1 = cv2.imread(img_path1)
    img2 = cv2.imread(img_path2)
    
    if img1 is None or img2 is None:
        raise FileNotFoundError("无法加载输入图像。")

    # 1. SSIM 要求两张图片具有完全相同的几何尺寸
    if img1.shape[:2] != img2.shape[:2]:
        # 若尺寸不一致，按参考图尺寸自适应双三次插值缩放
        img2 = cv2.resize(img2, (img1.shape[1], img1.shape[0]), interpolation=cv2.INTER_CUBIC)

    # 2. 灰度化或多通道处理（灰度化最贴合人眼对结构的感知且计算速度更快）
    if not multichannal:
        gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
        gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)
        # full=True 会额外返回每个像素位置的局部差异矩阵 diff
        score, diff = ssim(gray1, gray2, full=True)
    else:
        # 彩色多通道评估 (channel_axis=2 对应 RGB 维度)
        score, diff = ssim(img1, img2, channel_axis=2, full=True)

    # diff 矩阵归一化到 0~255 可视化热力图
    diff_image = (diff * 255).astype("uint8")
    
    return {
        "ssim_score": score,
        "diff_map": diff_image
    }

# 示例调用
# res = calculate_ssim("original.png", "compressed.jpg")
# print(f"SSIM 结构保真度分数: {res['ssim_score']:.4f}")
# if res['ssim_score'] > 0.95:
#     print("画质接近无损或人眼无感知")

工程约束提醒：SSIM 极度依赖局部窗口的像素空间对齐。如果将图片平移几个像素或轻微旋转 2 度，即使人眼看起来一模一样，SSIM 分数也可能跌破 0.5。因此，对于存在旋转、平移形变的图片比对，必须先使用 ORB/SIFT 特征点进行透视单应性变换（Homography）校正后，再输入 SSIM 进行评估。

五、算法综合对比与生产环境工程落地指南

为了直观展现各算法的技术特质与适用边界，下表从计算复杂度、形变容忍度及典型应用场景等维度进行了横向归纳：

比对算法	单次比对耗时	尺寸缩放鲁棒性	轻度旋转/形变	光照与色彩变化	空间结构感知力	核心适用场景
HSV 直方图	~ 1.2 ms	极高（尺寸无关）	高（无空间约束）	中等（依赖 H-S）	极弱（无法识别拼图）	色调检索、电商同色系商品推荐
均值哈希 aHash	< 0.05 ms	高（缩放到 8×8）	弱（>5° 迅速失效）	较好（纯灰度均值）	较弱（过分平滑）	简单缩略图快速匹配
差异哈希 dHash	< 0.05 ms	高（缩放到 9×8）	弱（>5° 迅速失效）	极好（局部相对梯度）	良好（保留边缘主轴）	大规模图库秒级去重、粗筛索引
感知哈希 pHash	~ 0.4 ms	高（频域低频保持）	较好（低频抗轻微形变）	极好（DCT 特征抗压）	中等（宏观轮廓特征）	版权保护、防二创/加水印监测
结构相似性 SSIM	15 ~ 50 ms	弱（需预先尺寸对齐）	极弱（要求严格像素对齐）	良好（局部均值解耦）	极高（像素级纹理/结构）	图像压缩评级、精密质检、精排

六、实践总结与避坑检查项

在实际编写 Python 图像相似度计算服务时，建议遵循以下工程检查要点：

尺寸预对齐策略：除颜色直方图对输入尺寸不敏感外，SSIM 严格要求尺寸一致；感知哈希内部会自动缩放，但建议使用 cv2.INTER_AREA 进行降采样，以获得抗混叠性能最优的低频信号。
色彩空间的一致性：OpenCV 默认以 BGR 格式读取图像，而 Pillow 与 matplotlib 使用 RGB 格式。在比对前必须确保通道顺序一致，否则计算直方图与哈希时会产生严重偏差。
动态阈值标定：避免硬编码绝对阈值。建议抽取业务代表性数据集（相同图、微调图、不同图样本各数百张），绘制 ROC 曲线计算最佳阈值拐点，以平衡召回率与准确率。

通过合理组装“直方图的色彩把握能力”、“感知哈希的吞吐能力”与“SSIM 的高保真结构把关能力”，即可在 Python 环境下构建兼顾极速响应与精准度量的高可用图像相似度分析引擎。