相似图片，不再混乱：一款更懂你的筛选工具 ✨

对于经常与图片打交道的朋友们走都知道，要再成千上万张图片中要到2张或者几张相似的图片，是非常非常困难的。不仅仅耗时耗力，还容易出现遗漏的情况，导致大量工作功亏一篑。

一可软件开发的这款“相似图片筛选工具”，从图片感知层面理解相似度，从视觉层面取判断图片，而不是通过图片的基础信息。所以识别和筛选的结果更精准。

程序会自动把相似的图片放到一个文件夹中，如果有2组相似的图片，则分别放到2组文件夹中。以此类推。将剩余所偶的不相似图片放到另一个“不相似”分组总。

核心优势与技术路线 🧠

感知哈希 pHash：程序采用各大平台都在使用的算法：首先，将图片转为 32×32 灰度。然后做DCT，提取其中 8×8 低频信息形成 64bit 指纹；识别和筛选效率更高，更稳定（`compute_phash_pil`与`dct_2d`）

局部补丁 Hash（默认）：为了可以识别出微调或裁剪的图片，程序将将图片切分为 3×3 网格，对网格生成多指纹，这样做会显著提升对微调或裁剪的鲁棒性（`compute_patch_phashes`）

ORB + RANSAC（推荐）：多种算法组合，关键点匹配 + 几何一致性验证，应对旋转、缩放、轻度透视变化，从根本上找到相似图片（`compute_orb_features`，`orb_ransac_is_similar`）

BK-Tree 近邻检索：基于汉明距离的高效查询，快速发现候选相似图（`BKTree.query`）

- Union-Find 分组：将近似图片归并为稳定的集合，产出“相似组”（`UnionFind.union`，`UnionFind.groups`）

应用场景 🌍

运营与设计：对于专业的设计来说，海量素材是必备，随着工作时间的增长，大量重复素材占用空间，高效清理是一个难题。

摄影后期：连拍与小幅变焦的照片自动分组，提升挑选效率

数据标注：过滤高度相似样本，降低训练集冗余率

自媒体创作：对于矩阵来说大量的图片重复使用，是一件很危险的事情。如果确保批量发布的时候不重复调用图片，这个工具可以帮到你。

个人用户：大量的家人、孩子图片，有的时候一个工作好几张，不仅占用大量空间，清理起来也是非常麻烦。

把“相似度”变成可操作的分组结果，让大规模素材筛选回归理性与高效。它更像一个安静可靠的助手：不喧哗，只把结果分好类，留你做最后决定。✨