上一篇講了四種哈希算法的概述和每種算法的基本步驟，這篇詳細討論下 DHash：
- 縮小尺寸，建議 9*8（col = row + 1）
- 灰度化
- 計算灰度差值（做差變爲 8*8 的矩陣）
- 計算哈希值
縮小尺寸
這一步用 Android 的系統方法就簡單了：
Bitmap bitmap = ThumbnailUtils.extractThumbnail(bitmap, destW, destH);
但爲了能和服務端(Java)兼容，找到了一個純數據結構的算法：
雙線性插值法，參加：https://blog.csdn.net/u012679980/article/details/49449647。
修改了部分代碼，計算效率有很大的提升。
通過上面的算法進行圖片縮小，不管是 Android 端還是服務端，得到的結果都是相同的。
這裏先說一下數組存放圖片信息的方式：
- 二維：二維比較容易理解，圖片是 x、y 兩個方向的像素點組成，對應到一個二維數組即可。
- 一維：二維轉一維，以一個方向爲基準，一般是 x 方向，存完第一行存第二行，就將二維數組轉化爲一維了，比如 9*9 的二維數組，變爲一維數組，第 10 個元素對應的是二維數組第二行的第一個元素。
- 三維：像素點是有三種顏色組成的，因此三維的 z 方向就是存儲的 ARGB，透明度、紅、綠、藍。
上面代碼的思路還是很好理解的：
假設 x 軸有 800 個像素點，但我們要縮小到 9 個，那個距離就是 100，即每隔 100 個像素點取出一個。取出的 9 個像素點就是樁子。y 方向同理。
但實際操作沒有這麼簡單，會出現從 700 個像素點中取 9 個的現象，間隔不是整數，因此會通過取整後的目標像素點周圍相鄰的四個點，按權重來計算出取出的像素點的具體值。大家可以參見上面給出的博客地址具體看下思路。
其中第三步驟 convertToOneDim 中的 ABGR --> ARGB 也與文章不同，但不增加算法複雜度，只是將色值的表達方式轉換成比較常用的形式。
灰度化
灰度化就是將彩色圖片轉化成 64 階黑白圖片，當然紅綠藍是按一定的係數縮小。
這個地方就體現到 縮小尺寸 裏講到的 ABGR --> ARGB 的好處了，通用方法的順序都是按 R、G、B 排列的。
計算灰度差值
這一步是 DHash 的核心步驟，所有 hash 算法一般最終都是採樣 64 個點，但 DHash 之所以採樣 9*8 個像素點是基於其比較差值的邏輯。
DHash 是將每一行後一個元素和前一個元素做差，差值大於等於 0 則記 1，小於 0 則記 0。
假設 9*8 的數組是：a1a9、b1b9、c1~c9 ······ h1~h9
即 a2-a1 記錄，a3-a2 記錄，a4-a3 記錄 ······ a9-a8 記錄；b、c ······ 以此類推，一共記錄 64 個01 值。
得到的這個 64 位的二進制值就是這張圖片的指紋。
計算哈希值
將這個 64 位的二進制值轉爲 16 位的十六進制值就是這張圖片的 DHash 值。
本文原創發佈於公衆號 習習立 ，關注公衆號回覆 hash 獲取源碼。