2024.4.21

在多次尝试后，找到了一片能够完成的博客并照搬记录
第一步，缩小尺寸。
将图片缩小到8x8的尺寸，总共64个像素。这一步的作用是去除图片的细节，只保留结构、明暗等基本信息，摒弃不同尺寸、比例带来的图片差异。
Bitmap bitmap8 = ThumbnailUtils.extractThumbnail(bitmapOriginal, 8, 8);
第二步，简化色彩。
将缩小后的图片，转为64级灰度。也就是说，所有像素点总共只有64种颜色。
public static Bitmap convertGreyImg(Bitmap img) {
int width = img.getWidth(); //获取位图的宽
int height = img.getHeight(); //获取位图的高

    int[] pixels = new int[width * height]; //通过位图的大小创建像素点数组
    img.getPixels(pixels, 0, width, 0, 0, width, height);
    int alpha = 0xFF << 24;
    for (int i = 0; i < height; i++) {
        for (int j = 0; j < width; j++) {
            int original = pixels[width * i + j];
            int red = ((original & 0x00FF0000) >> 16);
            int green = ((original & 0x0000FF00) >> 8);
            int blue = (original & 0x000000FF);

            int grey = (int) ((float) red * 0.3 + (float) green * 0.59 + (float) blue * 0.11);
            grey = alpha | (grey << 16) | (grey << 8) | grey;
            pixels[width * i + j] = grey;
        }
    }
    Bitmap result = Bitmap.createBitmap(width, height, Bitmap.Config.RGB_565);
    result.setPixels(pixels, 0, width, 0, 0, width, height);
    return result;
}

第三步，计算平均值。
计算所有64个像素的灰度平均值。
public static int getAvg(Bitmap img) {
int width = img.getWidth();
int height = img.getHeight();
int[] pixels = new int[width * height];
img.getPixels(pixels, 0, width, 0, 0, width, height);

    int avgPixel = 0;
    for (int pixel : pixels) {
        avgPixel += pixel;
    }
    return avgPixel / pixels.length;
}

第四步，比较像素的灰度。
将每个像素的灰度，与平均值进行比较。大于或等于平均值，记为1；小于平均值，记为0。
public static String getBinary(Bitmap img, int average) {
StringBuilder sb = new StringBuilder();

    int width = img.getWidth();
    int height = img.getHeight();
    int[] pixels = new int[width * height];

    img.getPixels(pixels, 0, width, 0, 0, width, height);
    for (int i = 0; i < height; i++) {
        for (int j = 0; j < width; j++) {
            int original = pixels[width * i + j];
            if (original >= average) {
                pixels[width * i + j] = 1;
            } else {
                pixels[width * i + j] = 0;
            }
            sb.append(pixels[width * i + j]);
        }
    }
    return sb.toString();
}

第五步，计算哈希值。
将上一步的比较结果，组合在一起，就构成了一个64位的整数，这就是这张图片的指纹。组合的次序并不重要，只要保证所有图片都采用同样次序就行了。
下面是得到16位16进制的字符串，作为该图片的消息指纹
public static String binaryString2hexString(String bString) {
if (bString == null || bString.equals("") || bString.length() % 8 != 0)
return null;
StringBuilder sb = new StringBuilder();
int iTmp;
for (int i = 0; i < bString.length(); i += 4) {
iTmp = 0;
for (int j = 0; j < 4; j++) {
iTmp += Integer.parseInt(bString.substring(i + j, i + j + 1)) << (4 - j - 1);
}
sb.append(Integer.toHexString(iTmp));
}
return sb.toString
下面是两张图片的消息指纹比较的方法
static void diff(String s1, String s2) {
char[] s1s = s1.toCharArray();
char[] s2s = s2.toCharArray();
int diffNum = 0;
for (int i = 0; i<s1s.length; i++) {
if (s1s[i] != s2s[i]) {
diffNum++;
}
}
System.out.println("diffNum="+diffNum);
}
至此关键代码都在这里了。________________________________________
我拍照片试验了几次，以下是部分结果：
Str64->16=81000081e9ff0000
Str64->16=01800049e1ff0000
Str64->16=10000d41ebff8000
Str64->16=fdff47e80020231b
Str64->16=ffffcfb80028031b
Str64->16=ffff4fee0408031b
Str64->16=040c7104000e7fff
Str64->16=0b1b999f0300052f
Str64->16=0b1b99c101400527
1、2、3行，4、5、6行，8、9行是大致同一个位置（手持手机，尽量保持同一个位置），第7行是其他位置，说明结果还是比较靠谱的，个人认为diff(s1, s2)方法
结果在1_{5说明两张照片极其相似，6}10说明较为相似，10以上说明不相似