Мне нужно получить список дубликатов картинок в папке с миллионом файлов. Хочу это сделать путем создания ID для каждой картинки, а потом сравнивать по этому ID. Одинаковые картинки но с разными разрешениями также должны считаться дубликатами. Какие варианты предложите?

Это сообщение отредактировал(а) DoZENT - 28.5.2010, 10:05

Сделать, к примеру, wavelet разложение картинки. И сравнивать коэффициенты самых низких частот.

Т.е. для каждой картинки хранить, к примеру, чисел 16-50. Причем если тебе нужны действительно дубликаты, то ты можешь эти числа округлить (величину округления вычислить экспериментально - чем больше цифр будешь откидывать, тем больше не дубликатов будешь получать на выходе) и брать хэш от всех округленных чисел.

Другой вариант: найти статистические параметры пикселей картинки. Это может быть среднее значения  (по каждому каналу) и среднеквадратичное отклонение. Или гистограмма по каждому каналу. А потом сравнивать гистограммы. Но этот метод (не смотря на простоту) не дает хорошего результата.

Вместо вейвлета можно пережать в мелкое разрешение.

А смысл?



Можно взять в принципе любое распределение для вычесления статистических параметров, того же Гаусса, нормализованные или в чистом виде...

я с помощью мд5 сверял изображения.. как впрочем и любые файлы
правда для этого

если ты хочешь чтобы одна и та же картинка в разных разрешениях определялась как одинаковая.. то тогда не только мд5 но и еще придется ресайз делать.. да и то не факт что после ресайза они совпадут по мд5