快速和简单的图像哈希算法(Fast and simple image hashing algorit

我需要一个（优选简单而快速的）图像哈希算法。哈希值在查找表中使用，而不是密码。

一些图像是“计算机图形” - 即纯色填充rects，光栅化文本和等，而也有“摄影”图像 - 含有丰富的色彩光谱，大部分是光滑，有合理的噪声振幅。

我也想在哈希算法能够被应用于特定的图像部分。我的意思是，该图像可以被划分成的网格单元，并且每个单元的散列函数应该仅取决于该单元的内容。这样一个可以迅速发现，如果两幅图像的公共区域（如果他们适当地对齐）。

注：我只需要知道，如果两个图像（或他们的部分）是相同的 。也就是说，我并不需要匹配类似的图像，有一个在特征识别，关联和其它DSP技术没有必要。

我不知道什么是首选的散列算法。

为“摄影”刚刚图像异或网格单元内的所有像素是确定更多或更少。针对不同的图像相同的散列值的概率是相当低的，特别是因为（近白色）噪声的存在打破了所有的潜在对称性。加上这样的哈希函数的频谱看起来不错（任意值，可以用几乎相同的概率）。

但这样一个天真的算法可能无法与“人造”的图形使用。相同的像素，重复图案，几何不变性偏移是这样的图像非常普遍。异或所有的像素将与偶数相同像素的任何图像得到0。

使用类似CRT-32看起来有点前途，但我想弄清楚出的东西更快。我考虑迭代公式，每个新的像素变异的当前散列值，如下所示：

hashValue = (hashValue * /*something*/ | newPixelValue) % /* huge prime */

做模素数大概应该提供一个良好的分散性，使我对这个选项倾斜。但是，我想知道是否有更好的varians。

提前致谢。

Answer 1:

如果你想让它非常快，你应该考虑的像素的随机子集，以避免读取整个图像。接着，计算在值中的那些像素的序列的散列函数。的随机子集应通过与固定的种子，使得相同的图像产生相同的子集，并因此相同散列值的一个确定的伪随机数发生器来选择。

这甚至应该进行人工图像的相当良好。但是，如果你有彼此少量像素的图像不同，这将会给散列冲突。更多的迭代提供更好的可靠性。如果是这样的情况下，例如，如果你的图片设置很可能有对与一个不同的像素，您必须阅读每一个像素来计算哈希值。以用伪随机系数的简单线性组合，甚至会进行人工图像不够好。

一种简单的算法的伪代码

Random generator = new generator(2847)  // Initialized with fixed seed
int num_iterations = 100

int hash(Image image) {
    generator.reset()   //To ensure consistency on each evaluation
    int value = 0
    for num_iteration steps {
        int nextValue = image.getPixel(generator.nextInt()%image.getSize()).getValue()
        value = value + nextValue*generator.nextInt()
    }
    return value
}