Tilbage til Hjem
Image Similarity Checker — Perceptual Hash (pHash, dHash, aHash) & Duplicate Detector
Fingerprint any image with perceptual hashes and compare two images to see how similar they are — detect duplicates, resized copies, or re-compressed versions. Computes aHash, dHash, and pHash with a Hamming-distance similarity score, entirely in your browser. Nothing is uploaded.
Upload image A to fingerprint it, then add image B to measure how similar they are. Read locally, never uploaded.
Fingeraftryks et billede med perceptuelle hashes og sammenlign to billeder for at se, hvor ens de er – og opdag dubletter, reskalerede kopier og re-komprimerede versioner, som en byte-for-byte kontrol ville misse. Det beregner aHash, dHash og pHash og rapporterer en Hamming-distance-lighed, helt i din browser, intet uploades.
Sådan fungerer det
Vælg et værktøj
Vælg mellem 120+ værktøjer til at ændre størrelse, konvertere, komprimere eller forbedre dit billede.
Upload og rediger
Træk og slip dit billede og juster indstillingerne. Det forbliver på din enhed.
Download
Gem dit resultat øjeblikkeligt — intet vandmærke, ingen tilmelding påkrævet.
Hvorfor Image Machine?
Dine filer forlader aldrig din enhed
Al behandling foregår lokalt i din browser. Dine billeder uploades aldrig til en server.
Helt gratis
Alle værktøjer er gratis, uden begrænsninger, uden vandmærker og uden skjulte omkostninger.
Lynhurtigt
Ingen ventetid på upload — dine billeder behandles øjeblikkeligt på din egen enhed.
Professionel kvalitet
Pixelperfekt resultat med fuld kontrol over format, størrelse og kvalitet.
Ofte stillede spørgsmål
Hvordan tjekker jeg, om to billeder er dubletter?
Indlæs begge billeder, og værktøjet beregner en perceptuel hash for hvert og måler derefter Hamming-afstanden mellem dem. En lille afstand betyder, at billederne er visuelt ens – selv hvis et er reskaleret eller gemt på ny – mens en stor afstand betyder, at de er forskellige.
Hvad er forskellen på aHash, dHash og pHash?
aHash (gennemsnit) er den simpleste og hurtigste, dHash (forskel/gradient) er robust over for lysstyrkeforskydninger, og pHash (perceptuel, DCT-baseret) er den mest nøjagtige mod komprimering og mindre redigeringer. Sammenligning af alle tre giver en velafbalanceret dom.
Kan den fange en reskaleret eller re-komprimeret kopi?
Ja. Det er pointen med perceptuel hashing: det fanger den overordnede struktur af et billede, så et thumbnail, en re-kodet JPEG eller en let redigeret kopi stadig hasher tæt på originalen.
Hvordan adskiller dette sig fra en pixel-diff?
En pixel-diff kræver identiske dimensioner og markerer enhver eksakt ændring. Perceptuel lighed tolererer skalering og komprimering og besvarer et andet spørgsmål – ser disse ud som det samme billede? – frem for er de byte-identiske?