如何使用PIL可靠判断JPEG图像是否相等？规避压缩差异影响

JPEG属于有损压缩格式，每次保存再加载都会引入微小的像素失真，因此精确的像素对比（比如ImageChops.difference）必然会返回False。以下是几种通用的、能忽略压缩影响的判断方法：

1. 感知哈希法 #

感知哈希从图像的低频视觉特征生成哈希值，视觉相似的图像（包括经历JPEG压缩的图像）哈希值差异极小，适合快速判断图像是否一致。可以借助imagehash库实现：

from PIL import Image
import imagehash

def is_image_similar(img_path1, img_path2):
    # 使用pHash算法生成哈希，也可替换为dHash、aHash等
    hash1 = imagehash.phash(Image.open(img_path1))
    hash2 = imagehash.phash(Image.open(img_path2))
    # 汉明距离<=5时，认为图像视觉一致（阈值可根据需求调整）
    return (hash1 - hash2) <= 5

# 调用示例
print(is_image_similar("tmp_img.jpg", "tmp_img_2.jpg"))

2. 结构相似性指数（SSIM） #

SSIM从亮度、对比度、结构三个维度衡量图像相似性，结果更贴合人眼的视觉感知，比MSE更适合判断有损压缩后的图像一致性。可通过scikit-image库实现：

from PIL import Image
import numpy as np
from skimage.metrics import structural_similarity as ssim

def is_image_similar_ssim(img_path1, img_path2):
    # 将图像转为RGB格式并转为numpy数组
    img1 = np.array(Image.open(img_path1).convert("RGB"))
    img2 = np.array(Image.open(img_path2).convert("RGB"))
    # 计算SSIM值，范围[-1,1]，越接近1越相似
    similarity_score, _ = ssim(img1, img2, full=True, channel_axis=2)
    # 阈值设为0.95以上（可根据场景调整严格程度）
    return similarity_score >= 0.95

# 调用示例
print(is_image_similar_ssim("tmp_img.jpg", "tmp_img_2.jpg"))

3. 优化JPEG保存参数（简化方案） #

如果只是需要降低重复保存的失真程度，可以在保存时设置最高质量参数，减少压缩带来的像素差异：

img1.save("tmp_img_2.jpg", quality=100)

注意：即使设置quality=100，JPEG仍属于有损压缩，极端场景下可能仍存在微小差异，适合对精度要求不极高的场景。

方案选择 #

• 追求快速、简单的通用判断，优先选感知哈希法；
• 追求更贴合人眼感知的精准判断，选择SSIM；
• 若只是临时减少保存后的差异，可尝试优化JPEG保存质量。

内容的提问来源于stack exchange，提问作者Gerry