Дубликаты фото: dHash нашёл 37 повторов из 81, и почему гладкий кадр похож на любую картинку
У нас небольшое производство: вышивка, печать на одежде, сувенирка. Снимков цеха и готовых заказов накопилось около двухсот, они лежат в трёх папках на Яндекс.Диске и Google Drive. Этими кадрами я иллюстрирую статьи на открытых площадках, их уже больше трёхсот, и правило у меня простое: один и тот же снимок не должен дважды появиться на одной площадке. Читатель, который видит знакомую фотографию во второй статье подряд, перестаёт верить, что за текстом стоит живой цех. Следить за этим вручную давно невозможно, поэтому дубликаты фото ловит скрипт, и проверка у него идёт в две ступени. Сначала sha256 исходника сверяется с реестром использований, потом картинка-кандидат сравнивается по перцептивному хешу со всем, что уже стоит на площадке. Порог 24 стоит с тех пор, как проверку написали, и на настоящих повторах его никто не проверял. Готовые программы, которые умеют найти одинаковые фото на диске, мне не подходили: они ищут повторы внутри одной папки, а здесь снимок надо узнать в уже свёрстанной обложке, обрезанным и подписанным. В ноябре я наконец проверил эту связку на настоящих повторах, которые за три месяца прошли в статьи. Из 81 подтверждённого повтора хеш при рабочем пороге нашёл 37. Ниже код, данные прогона 16 ноября 2026 года, два способа поднять находимость и место, где перцептивный хеш ошибается так, что ослаблять порог нельзя. Читать далее
