重复图片怎么查：SHA-256、感知 Hash 与人工去重的正确用法

素材目录里常见这样的文件：

product-main.jpg
product-main-copy.jpg
product-main-1200.jpg
product-main-final.webp
product-main-final-2.jpg

只看文件名，很难判断哪些只是复制，哪些经过压缩，哪些真的修过图。按文件大小排序也不可靠：同一张图换成 WebP 后可能小很多，另一张看起来相同的 JPG 可能因为 EXIF 和质量参数更大。

重复图片 / 相似照片查找工具会在浏览器本地计算两层指纹：SHA-256 找字节完全一致的文件，dHash 找视觉上接近的候选。结果按组预览，但不会直接删除磁盘文件。

SHA-256 只能找“文件完全一样”

SHA-256 会根据文件全部字节生成摘要。两份文件只要有一个字节不同，结果通常就完全不同。

它非常适合确认：

• 同一文件被复制到多个目录；
• 下载文件是否与原件一致；
• 重命名后的文件是否没有变化；
• 归档传输是否完整。

但下面操作都会改变 SHA-256：

• 重新保存 JPG；
• 删除 EXIF；
• PNG 转 WebP；
• 把 2000×2000 缩小为 1000×1000；
• 只改一项图片元数据；
• 调整压缩质量。

因此“SHA 不同”只能说明文件字节不同，不能说明画面内容不同。

需要单独核对某个文件时，可以使用 Hash 摘要工具计算 SHA-256。

感知 Hash 比较的是画面轮廓

dHash 是一种简单、快速的感知指纹。常见做法是把图片缩小成 9×8 灰度图，再逐行比较相邻像素亮度：

• 左边更亮，记录 1；
• 右边更亮或相同，记录 0。

8 行、每行 8 次比较，最终得到 64 位指纹。

两张图片指纹之间不同的位数称为 Hamming distance。距离越小，缩小后的亮度方向越接近。

这种方法不关心原始文件大小和压缩格式，所以能发现不少：

• JPG 重新压缩；
• PNG 转 JPG 或 WebP；
• 等比缩放；
• 轻微亮度和颜色调整；
• 少量编码噪声。

它计算快、结果可解释，适合在浏览器批量初筛。

dHash 不是“图片内容理解”

dHash 看的是整体亮度结构，不知道画面里是人、商品还是文字。

下面变化可能让同一张图无法匹配：

• 大幅裁剪；
• 旋转 90 度；
• 左右翻转；
• 添加厚边框；
• 拼接多张图；
• 在主要区域覆盖大段文字；
• 把主体移动到不同位置。

反过来，构图相似的两张图也可能得到接近指纹，例如同一模板中的不同商品，或大面积纯色背景的海报。

为了减少误报，工具还会比较宽高比和平均颜色。即便如此，分组仍然只是候选，必须看缩略图。

阈值应该怎样调

64 位 dHash 中，距离 0 表示亮度比较结果完全相同，但不代表文件字节相同。

可以把阈值理解为：

• 0–4：严格，优先找非常接近的版本；
• 5–8：适合常见重新压缩和轻微缩放；
• 9–12：更宽松，可能找出编辑版本，也会增加误报；
• 更高：只适合明确知道素材构图高度一致、并愿意逐组人工检查的场景。

阈值不能脱离图片类型。商品白底图、证件扫描件和网页截图的结构比较固定，应使用较严格设置；活动海报和摄影照片变化更复杂，可能需要放宽，但误报也更多。

宽高比容差用于排除横图和竖图误分组。平均颜色距离则减少黑白结构相近、颜色完全不同的图片被放在一起。

调整一个参数后，要观察：

1. 已知副本是否仍在同组；
2. 明显不同的图片是否开始混入；
3. 每组代表图是否符合保留目的。

“建议保留分辨率最高”为什么不总是对

工具默认优先保留像素更多、文件更大的图片，这是一个偏向源文件的保守规则，但它不了解素材业务。

真正需要保留的可能是：

• 已完成修图、但尺寸较小的发布版；
• 有透明背景的 PNG；
• 颜色正确的品牌版本；
• 带授权记录和规范命名的文件；
• 没有水印的原图；
• 已删除定位信息的交付版。

所以不要把“建议保留”直接理解成“其余可以删除”。先比较透明背景、边缘、文字、颜色和元数据，再决定。

需要清除拍摄地点、设备和编辑信息时，可以在确认保留文件后使用 图片隐私清理工具重新导出。

为什么网页不直接删除原文件

浏览器文件选择器默认只授予读取权限。网页可以处理用户明确选择的文件并生成新下载，但不应该悄悄移动或删除磁盘内容。

更安全的去重流程是：

1. 在网页中生成分组和待复核清单；
2. 下载建议保留项 ZIP，确认每组都有一份；
3. 回到 Finder、资源管理器或数字资产管理系统；
4. 按清单逐组移动到临时目录；
5. 业务确认后再清空临时目录。

重要素材应先备份。不要在唯一副本目录里进行不可恢复的批量删除。

动图、HEIC 和 SVG 要注意什么

动画 GIF 在普通图片解码流程中通常只按某一静态帧参与比较，两个动画第一帧相同不代表后续内容相同。

AVIF 是否可用取决于浏览器解码能力。HEIC/HEIF 可以先用 HEIC 转换工具转为 JPG、PNG 或 WebP，再与其他素材一起检查。

SVG 是 XML 文档，可以包含外部资源、样式和脚本语义，不应不加区分地当作普通位图批量载入。矢量图标更适合比较规范化后的 SVG 源码或使用专门的 Sprite 工具整理。

总结

图片去重没有一个“相似度超过 90% 就自动删除”的可靠规则。

SHA-256 负责确认完全相同，感知 Hash 负责缩小候选范围，宽高比和颜色负责减少一部分误报，最后仍要由人判断哪一张是正确版本。

把工具当作整理助手，而不是删除权限。先分组、再复核、保留备份，才能真正减少素材混乱，而不是制造一次更难恢复的误删。