01 / ImageDiffer

In development

先说清「像」指哪一层，再给分数

相似没有唯一标准。压缩前后、换个裁切、同一类物体，会在像素、结构、语义上得到完全不同的答案。 ImageDiffer 用已知方法计算相似度，把选择权留在参数上；广谱综合分只是默认参考，不是盖章。

相似不是一个数

任何单一分数都在替你做选择。ImageDiffer 把选择摊开。

Pixel

像素层

是不是几乎同一张图。平移、压缩、亮度都会动分。人眼觉得差不多，误差可以很大。

Structure

结构层

轮廓、对比、局部组织。更接近「看起来还是那张」，对几何变化仍然弱。

Semantic

语义层

是不是同一类东西。构图可以完全不同。解释成本高，不宜当唯一质检标准。

常用方法比的是什么

全部是公开、可复现的方法。做成参数，而不是藏进一个黑盒。

方法	原理	擅长	短板
MSE / PSNR	逐像素求差，汇总成误差或信噪比。	对齐的近重复、压缩质量，结果可严格复现。	平移、裁切、轻微曝光就会掉分。
直方图颜色 / 灰度	比较颜色或亮度出现的频率。	色调、滤镜、整体明暗是否同类。	构图可以完全不同。蓝天和蓝色色卡也可能很「像」。
感知哈希aHash / dHash / pHash	缩图后用均值、梯度或 DCT 低频做指纹，算汉明距离。	极快。去重、筛「几乎同一张图」。	大幅裁切、旋转、只留局部时失效；不管语义。
SSIM结构相似性	同时看亮度、对比度和局部结构。	压缩、模糊、噪声：还是那张图，画质变了。	旋转、明显裁切、透视仍然弱。
局部特征ORB / SIFT	关键点匹配，看能对上多少稳定点。	同一物体换角度、缩放、部分遮挡。	更重。弱纹理、大面积纯色不稳定。
深度表征LPIPS / embedding	神经网络把图编成向量，比较距离。	语义相近、风格化后的同一内容。	难逐步解释；受训练数据影响。

方法

原理

擅长

短板

MSE / PSNR

逐像素求差，汇总成误差或信噪比。

对齐的近重复、压缩质量，结果可严格复现。

平移、裁切、轻微曝光就会掉分。

直方图颜色 / 灰度

比较颜色或亮度出现的频率。

色调、滤镜、整体明暗是否同类。

构图可以完全不同。蓝天和蓝色色卡也可能很「像」。

感知哈希aHash / dHash / pHash

缩图后用均值、梯度或 DCT 低频做指纹，算汉明距离。

极快。去重、筛「几乎同一张图」。

大幅裁切、旋转、只留局部时失效；不管语义。

SSIM结构相似性

同时看亮度、对比度和局部结构。

压缩、模糊、噪声：还是那张图，画质变了。

旋转、明显裁切、透视仍然弱。

局部特征ORB / SIFT

关键点匹配，看能对上多少稳定点。

同一物体换角度、缩放、部分遮挡。

更重。弱纹理、大面积纯色不稳定。

深度表征LPIPS / embedding

神经网络把图编成向量，比较距离。

语义相近、风格化后的同一内容。

难逐步解释；受训练数据影响。

参数：在不同维度上比

可开关、可加权。只开哈希做快筛，或同时看结构和颜色，避免被单一指标带偏。

像素与误差

对齐、颜色空间、是否先缩放。决定 MSE/PSNR 在什么前提下有意义。

结构与感知

SSIM 窗口、哈希种类与阈值。回答人眼是否还觉得是同一张。

颜色与分布

直方图箱数、通道。回答调色像不像，而不是构图像不像。

几何与关键点

特征种类、匹配比例。回答是不是同一物体，允许位置变化。

语义距离

是否启用深度表征。回答内容是不是一类，允许画面完全不像。

广谱综合

多维之上的默认合成。不是替代分项，是还没想清权重时的排序。

广谱综合在争什么

目标不是「最准的相似」，而是少走极端：近重复、轻度失真、局部裁切、同类物体里，不把某一种方法的偏见放大成唯一结论。先排序，再回分项看是哪一层像。

审片去重、压缩质检仍应打开对应分项。综合分负责第一眼，分项负责解释。产品计算的是选定方法下的相似程度，不判断侵权或是否同一作品。视频比对将沿用同一思路。产品仍在开发中。