实际上，我编写了一个可以完成此任务的应用程序 。

我从一个以前的应用程序开始，该应用程序使用基本的Levenshtein距离算法来计算图像相似度，但是由于多种原因，该方法是不可取的。毫无疑问，用于确定图像相似性的最快算法是均方误差或均绝对误差 （两者的运行时间均为O（n），其中n是图像中的像素数，并且以多种不同的方式对这两种算法的实现进行线程化也很简单）。 Mecki的帖子实际上只是我的应用程序可以执行的“均值绝对错误”实现（如果您愿意，也可以提供代码来提高您的浏览乐趣）。

无论如何，在我们的应用程序中，我们首先对图像进行下采样（例如，将所有图像缩放到32 * 32像素），然后转换为灰度，然后通过比较算法运行生成的图像。我们还在研究一些更高级的预处理算法，以进一步对图像进行规范化，但是……还不止于此。

肯定有比MSE / MAE更好的算法（实际上，已经很好地证明了这两种算法应用于视觉信息的问题），例如SSIM ，但这是有代价的。其他人试图比较图像中的其他视觉质量，例如亮度，对比度，颜色直方图等，但是与简单地测量误差信号相比，这都是昂贵的。

我的应用程序可能会运行 ，具体取决于这些文件夹中有多少个图像。它是多线程的（我已经看到它完全加载了八个处理器内核来执行比较），但是我从未针对大于几百个图像的图像数据库进行过测试。几百个演出的图像听起来过大。 （只需从磁盘读取它们，进行下采样，转换为灰度并存储在内存中-假设您有足够的内存来容纳所有东西，而您可能没有，则可能需要几个小时）。

我相信，这仍然是一个研究领域。如果您有时间，可以使用一些相关的关键字：

• 图像复制检测
• 基于内容的图像检索
• 图像索引
• 图像重复删除

基本上，每个图像都经过处理（索引）以产生“图像签名”。相似的图像具有相似的签名。如果您的图像只是重新缩放，则它们的签名可能几乎相同，因此它们可以很好地聚类。一些流行的签名是MPEG-7描述符。总体而言，我认为K-Means或其任何变体可能就足够了。但是，您可能需要处理数百万个图像，这可能是一个问题。

这是主要维基百科条目的链接：
http://en.wikipedia.org/wiki/CBIR

希望这可以帮助。

我最近想为PHP图像库完成此任务。我希望能够为上载的图像生成“模糊”指纹，并检查数据库中所有具有相同指纹的图像（表明它们相似），然后更紧密地比较它们以确定相似程度。

通过将上传的图像调整为150像素宽，将其缩小为灰度，将每种颜色的值四舍五入到16的最接近的倍数（给出了0至255之间的17种可能的灰色阴影），对其进行归一化并将其存储在其中，来完成此操作数组，从而创建“模糊”颜色直方图，然后创建直方图的md5sum，然后可以在数据库中进行搜索。这对于缩小与上传文件在视觉上非常相似的图像非常有效。

然后将上传的文件与数据库中的每个“相似”图像进行比较，我拍摄了两个图像，将它们调整为16x16的大小，并逐像素分析它们，并从像素中相应像素的值中减去了每个像素的RGB值。其他图像，将所有值加在一起并除以像素数即可得出平均颜色偏差。小于特定值的任何值都被确定为重复项。

整个过程都是使用GD模块以PHP编写的，与数千张图像的比较每个上传的文件仅需几百毫秒。

我的代码和方法在这里： http : //www.catpa.ws/php-duplicate-image-finder/

一种非常简单的方法如下：

• 将图像转换为内存中的灰度，因此每个像素只有0（黑色）到255（白色）之间的数字。

• 将图像缩放到固定大小。找到合适的尺寸很重要，您应该尝试不同的尺寸。例如，您可以将每个图像缩放到64x64像素，但是无论是较小图片还是较大图片，都可能获得更好或更差的结果。

• 为所有图像完成此操作后（是的，这将需要一段时间），请始终将两个图像加载到内存中，并将它们彼此相减。那就是减去图像A中的像素（0,0）值减去图像B中的像素（0,0）的值，现在两者都对（0,1）做相同的操作，依此类推。结果值可能为正或为负，您应始终存储绝对值（因此5表示5，-8表示8。

• 现在，您获得了第三张图像，即图像A和B的“差异图像”（增量图像）。如果它们相同，则增量图像将全部为黑色（所有值将减为零）。黑色越少，图像的相同性就越差。您需要找到一个合适的阈值，因为即使图像实际上（在您的眼中）相同（通过缩放，更改亮度等），增量图像也不会完全是黑色的，但是只有非常深的灰阶。因此，您需要一个阈值，说明“如果平均误差（图像亮度差）低于某个值，则很有可能它们是相同的，但是如果高于该值，则它们很可能不相同。阈值就像找到正确的缩放大小一样困难，您将始终会出现误报（图像完全相同，尽管看起来完全不一样）和误报（图像完全相同，但是看起来不一样）的情况。

该算法非常慢。实际上，仅创建灰度图像需要花费大量时间。然后，您需要再次比较每张GS图像的大量时间。同时存储所有GS映像会占用大量磁盘空间。因此，即使算法如此简单，该算法也很糟糕，但结果并不算糟糕。虽然结果并不惊人，但它们比我最初想象的要好。

获得更好结果的唯一方法是使用高级图像处理，这里开始变得非常复杂。它涉及很多数学（很多数学）；对于实现了这些功能的许多系统来说，都有很好的应用程序（重复查找器），因此，除非必须自己进行编程，否则最好使用以下一种解决方案。我阅读了很多有关此主题的论文，但恐怕其中大部分超出了我的视野。甚至我可能能够根据这些论文实现的算法都超出了范围；那意味着我知道需要做什么，但是我不知道它为什么起作用或实际上如何起作用，这只是魔术；-)

尝试使用PerceptualDiff比较2个具有相同尺寸的图像。允许阈值，例如认为只有X个不同像素的图像在视觉上无法区分。

如果可视化副本由于缩放或文件类型不同而具有不同的尺寸，则您可能需要制作一种标准格式进行比较。例如，我可能使用ImageMagick将所有图像缩放到100x100，并将它们另存为PNG文件。