Go語言如何判斷兩張圖片的相似度

更新時間：2025年06月10日 11:42:07 作者：左詩右碼

這篇文章主要為大家詳細介紹了Go語言如何中實現(xiàn)判斷兩張圖片的相似度的兩種方法,文中的示例代碼講解詳細,感興趣的小伙伴可以跟隨小編一起學習一下

在介紹技術細節(jié)前，我們先來看看圖片對比在哪些場景下可以用得到：

圖片去重：自動刪除重復圖片，為存儲空間"瘦身"。想象你是一個社交媒體平臺的運營，每天要處理數(shù)萬張圖片。重復圖片不僅占用存儲空間，還會影響用戶體驗。
內(nèi)容審核：一些平臺需要篩選相似或重復的內(nèi)容，防止版權侵犯和內(nèi)容垃圾。
版權維權：檢測圖片有無被未經(jīng)授權使用的情況，比如，攝影師和設計師需要知道自己的作品是否被未經(jīng)授權使用。
相似圖片搜索：網(wǎng)盤、云存儲服務需要幫助用戶清理重復文件。

在這些場景中，圖片對比技術可以幫我們自動化處理大量圖片，提高工作效率。

但是，圖片對比可不像字符那樣可以直接使用等于號=直接對比，那么，我們有哪些對比方式呢？

方法一：MD5指紋對比 - 精確匹配

MD5 是一種信息摘要算法，可以將任意長度的數(shù)據(jù)映射為固定長度的字符串。對于圖片文件，我們可以將其計算出一個獨一無二的 MD5 值，就像一個數(shù)字指紋，可以用來精確比對兩個文件（不僅僅是圖片）是否完全相同。

下面是使用 Go 語言計算圖片 MD5 值的示例代碼：

package main

import (
    "crypto/md5"
    "fmt"
    "io"
    "os"
)

// calculateMD5 計算文件的MD5值
// 為圖片頒發(fā)獨一無二的“身份證”
func calculateMD5(filePath string) (string, error) {
    // 打開文件
    file, err := os.Open(filePath)
    if err != nil {
        return "", fmt.Errorf("無法打開文件：%v", err)
    }
    defer file.Close()

    // 創(chuàng)建MD5哈希器
    hash := md5.New()

    // 將文件內(nèi)容復制到哈希器中
    if _, err := io.Copy(hash, file); err != nil {
        return "", fmt.Errorf("計算MD5時出錯：%v", err)
    }

    // 返回MD5字符串
    return fmt.Sprintf("%x", hash.Sum(nil)), nil
}

func main() {
    // 比較兩張圖片
    md51, err := calculateMD5("image1.jpg")
    if err != nil {
        fmt.Println("圖片1處理失敗:", err)
        return
    }

    md52, err := calculateMD5("image2.jpg")
    if err != nil {
        fmt.Println("圖片2處理失敗:", err)
        return
    }

    // 對比結果
    if md51 == md52 {
        fmt.Println("圖片完全相同")
    } else {
        fmt.Println("圖片不同")
    }
}

代碼解讀：

我們定義了一個 calculateMD5 函數(shù)，傳入文件路徑，返回計算出的 MD5 字符串。
函數(shù)中先打開文件，創(chuàng)建一個 MD5 哈希器 hash。
通過io.Copy將文件內(nèi)容寫入哈希器中，計算出 MD5 值。
最后將 MD5 字節(jié)數(shù)組格式化為字符串返回。
在 main 函數(shù)中，我們計算兩個圖片文件的 MD5 值，比對它們是否相等，輸出結果。

MD5 比對的特點：

速度快、計算簡單
可精確判斷兩個文件是否完全相同（只要是文件，都可以通過這種方式進行判斷是否一樣）
無法檢測內(nèi)容相似但不完全相同的圖片
圖片稍有改動(如添加水印)就會導致 MD5 值完全不同

所以 MD5 比對適合用于檢測完全相同的圖片，如文件去重等場景。如果兩張圖片只是稍作修改（如調(diào)整亮度、旋轉等），MD5 就無能為力了。

方法二：圖像哈希對比

圖像哈希(Image Hashing)是一類可以比較圖片相似程度的算法。其基本原理是：將圖片縮小、簡化為一個哈希值，然后比較不同圖片哈希值的差異度，來判斷它們的相似程度。

常見的圖像哈希算法有：

平均哈希(Average Hash)
感知哈希(Perceptual Hash)
差異哈希(Difference Hash)
小波哈希(Wavelet Hash)

這里我們以第三方包為例：

首先先安裝這個包

go get github.com/corona10/goimagehash

然后我們來嘗試實現(xiàn)一個圖片相似度比對：

package main

import (
	"fmt"
	"image/png"
	"os"

	"github.com/corona10/goimagehash"
)

// compareImageSimilarity 比較圖片相似度
func compareImageSimilarity(image1Path, image2Path string) error {
	file1, err := os.Open(image1Path)
	if err != nil {
		return fmt.Errorf("打開圖片1失?。?v", err)
	}
	defer file1.Close()

	file2, err := os.Open(image2Path)
	if err != nil {
		return fmt.Errorf("打開圖片2失敗：%v", err)
	}
	defer file2.Close()

	// 加載圖片
	img1, err := png.Decode(file1)
	if err != nil {
		return fmt.Errorf("加載圖片1失?。?v", err)
	}

	img2, err := png.Decode(file2)
	if err != nil {
		return fmt.Errorf("加載圖片2失?。?v", err)
	}

	// 生成平均哈希
	avgHash1, err := goimagehash.AverageHash(img1)
	if err != nil {
		return fmt.Errorf("生成圖片1哈希失?。?v", err)
	}

	avgHash2, err := goimagehash.AverageHash(img2)
	if err != nil {
		return fmt.Errorf("生成圖片2哈希失?。?v", err)
	}

	// 計算差異哈希
	diffHash1, err := goimagehash.DifferenceHash(img1)
	if err != nil {
		return fmt.Errorf("生成圖片1差異哈希失敗：%v", err)
	}

	diffHash2, err := goimagehash.DifferenceHash(img2)
	if err != nil {
		return fmt.Errorf("生成圖片2差異哈希失?。?v", err)
	}

	// 計算漢明距離
	avgDistance, err := avgHash1.Distance(avgHash2)
	if err != nil {
		return fmt.Errorf("計算平均哈希距離失敗：%v", err)
	}

	diffDistance, err := diffHash1.Distance(diffHash2)
	if err != nil {
		return fmt.Errorf("計算差異哈希距離失?。?v", err)
	}

	// 打印相似度
	fmt.Printf("平均哈希距離：%d\n", avgDistance)
	fmt.Printf("差異哈希距離：%d\n", diffDistance)

	// 判斷相似程度
	if avgDistance == 0 && diffDistance == 0 {
		fmt.Println("兩張圖一樣")
	} else if avgDistance <= 5 || diffDistance <= 5 {
		fmt.Println("圖片高度相似")
	} else if avgDistance <= 10 || diffDistance <= 10 {
		fmt.Println("圖片相似")
	} else {
		fmt.Println("圖片差異較大")
	}

	return nil
}

func main() {
	err := compareImageSimilarity("img.png", "img_1.png")
	if err != nil {
		fmt.Println("圖片對比出錯：", err)
	}
}

圖像哈希的特點: