होम पर वापस जाएं
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.
किसी इमेज को अवधारणात्मक (perceptual) हैश से फ़िंगरप्रिंट करें और दो इमेज की तुलना करके देखें कि वे कितनी समान हैं — डुप्लिकेट, रिसाइज़ की गई प्रतियाँ, और फिर से कंप्रेस किए गए संस्करण पकड़ते हुए जिन्हें एक बाइट-दर-बाइट जाँच चूक जाती। यह aHash, dHash, और pHash कैलकुलेट करता है और एक Hamming-दूरी समानता स्कोर बताता है, पूरी तरह आपके ब्राउज़र में, कुछ भी अपलोड किए बिना।
यह कैसे काम करता है
एक टूल चुनें
अपनी इमेज को रिसाइज़, कन्वर्ट, कंप्रेस या बेहतर बनाने के लिए 160+ टूल्स में से चुनें।
अपलोड और एडिट करें
अपनी इमेज को ड्रैग और ड्रॉप करें और सेटिंग्स एडजस्ट करें। यह आपके डिवाइस पर ही रहती है।
डाउनलोड करें
अपना नतीजा तुरंत सेव करें — कोई वॉटरमार्क नहीं, कोई साइन-अप ज़रूरी नहीं।
Image Machine क्यों?
आपकी फाइलें कभी आपके डिवाइस से बाहर नहीं जातीं
सारी प्रोसेसिंग आपके ब्राउज़र में लोकली होती है। आपकी इमेजें कभी किसी सर्वर पर अपलोड नहीं होतीं।
पूरी तरह मुफ्त
हर टूल मुफ्त है, बिना किसी सीमा, बिना वॉटरमार्क और बिना किसी छिपे खर्च के।
बिजली जैसी तेज़
कोई अपलोड का इंतज़ार नहीं — आपकी इमेजें आपके अपने डिवाइस पर तुरंत प्रोसेस होती हैं।
प्रोफेशनल क्वालिटी
फॉर्मेट, साइज़ और क्वालिटी पर पूरे नियंत्रण के साथ पिक्सेल-परफेक्ट आउटपुट।
अक्सर पूछे जाने वाले सवाल
मैं कैसे जाँचूँ कि दो इमेज डुप्लिकेट हैं?
दोनों इमेज लोड करें और टूल हर एक के लिए एक अवधारणात्मक हैश कैलकुलेट करता है, फिर उनके बीच की Hamming दूरी मापता है। एक छोटी दूरी का मतलब है कि इमेज दृश्य रूप से समान हैं — भले ही एक रिसाइज़ या फिर से सहेजी गई हो — जबकि एक बड़ी दूरी का मतलब है कि वे भिन्न हैं।
aHash, dHash, और pHash में क्या अंतर है?
aHash (average) सबसे सरल और तेज़ है, dHash (difference/gradient) चमक बदलावों के प्रति मज़बूत है, और pHash (perceptual, DCT-आधारित) कंप्रेशन और मामूली संपादनों के विरुद्ध सबसे सटीक है। तीनों की तुलना एक संतुलित फ़ैसला देती है।
क्या यह किसी रिसाइज़ की गई या फिर से कंप्रेस की गई प्रति को पकड़ सकता है?
हाँ। अवधारणात्मक हैशिंग का यही मक़सद है: यह किसी इमेज की समग्र संरचना पकड़ता है, इसलिए एक थंबनेल, एक फिर से एनकोड किया गया JPEG, या एक थोड़ी संपादित प्रति अब भी मूल के क़रीब हैश होती है।
यह एक पिक्सेल डिफ़ से कैसे अलग है?
एक पिक्सेल डिफ़ को समान आयाम चाहिए और वह किसी भी सटीक बदलाव को चिह्नित करता है। अवधारणात्मक समानता रिसाइज़िंग और कंप्रेशन को सहन करती है और एक अलग सवाल का जवाब देती है — क्या ये एक ही इमेज जैसी दिखती हैं? — न कि क्या वे बाइट-समान हैं?