知覚ハッシュで画像の類似度とハミング距離を比較

すでに知覚ハッシュをお持ちであれば、画像ファイル自体をアップロードせずに2枚の画像を比較できます。このツールは、同じ長さの2つのバイナリハッシュを受け取り、すべてのビット位置を照合して、ハミング距離と類似度を返します。距離が0ならハッシュは完全に一致しており、値が大きいほど知覚上の差も大きいことを示します。計算は決定的かつ高速で、外部に画像を送らないため、重複検出、メディア確認、移行検証、画像処理の自動化に安心してご利用いただけます。

比較可能な知覚ハッシュをご用意ください

知覚ハッシュとは、ファイルの正確なバイト列ではなく、見た目の関係を保つように設計された短い指紋です。比較する前に、両方のハッシュを同じ方式、画像寸法、ビット長、前処理規則、出力形式で生成してください。たとえば、同じビット数であっても、片方の画像の平均ハッシュと、もう片方の差分ハッシュを比較してはいけません。

この機能では、各値を0と1だけで構成された空ではないバイナリ文字列として受け取ります。16進表記、区切り記号、接頭辞、空白は意図的に受け付けません。これにより、1文字が正確に1つの計測ビットを表し、暗黙のデコード方法によって結果が変わることを防ぎます。

2つの文字列は同じ長さでなければなりません。ハミング距離は対応する位置同士を比較するため、長いハッシュの余分なビットには、短いハッシュ側の比較対象が存在しないからです。保存元が16進数を使用している場合は、送信前に両方を同じ桁数で埋めたバイナリ文字列へ変換してください。

先頭の0を削除すると、数値としては同じに見えても、宣言された長さと位置の対応が変わりますので、必ず保持してください。

距離と類似度の意味をご確認ください

ハミング距離は、2つのハッシュで異なるビットが置かれている位置の数です。たとえば、64ビットのハッシュ同士が5か所で異なる場合、距離は5です。類似度は一致する位置の割合を表し、等しいビット数を全ビット長で割って100を掛けて求めます。

すべての位置が異なれば、距離はハッシュ長と同じになり、類似度は0です。ただし、この割合は正規化されたハッシュ比較値であり、2つのファイルが同じ被写体である普遍的な確率ではありません。適切なしきい値は、知覚ハッシュの方式、ビット数、対象画像の種類、誤検出による影響によって変わります。

重複写真の判定では非常に小さい距離だけを許可し、視覚的なグループ分けではより広い範囲を採用することがあります。別のハッシュ方式向けのしきい値をそのまま流用せず、お客様のコレクションから既知の一致例と不一致例を集めて調整してください。

処理フローで結果を安全にお使いください

実用的な重複検出フローでは、通常、各素材に対して一貫した知覚ハッシュを1つ生成し、候補となる組み合わせだけを比較して、返された距離に判定規則を適用します。互換性のないデータを比較前に除外できるよう、ハッシュ方式とビット長を各指紋と一緒に保存してください。大規模なコレクションでは、粗い索引や別の候補抽出手順をご利用ください。

すべての画像を互いに総当たりで比較すると処理量が二次関数的に増え、多くの場合は不要です。選択したしきい値に近い組み合わせについては、元画像を残し、人による確認や、より詳しい視覚検査を行えるようにしてください。知覚ハッシュは一部の変換を許容するため、暗号学的チェックサムでは見つからない縮小版や再圧縮版を検出できます。

一方で、見た目が単純な画像同士を近いものとして扱う場合もあります。この機能は画素を調査せず、内容を特定せず、所有権も証明しません。受け取った2つのビット文字列だけを比較します。

ネットワーク、乱数、時刻、隠れた状態を使用しないため、同じ有効な組み合わせからは常に同じ結果が得られます。