Tillbaka till Hem
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.
Fingeravtryck en bild med perceptuella hashar och jämför två bilder för att se hur lika de är – och detekterar dubbletter, skalade kopior och re-komprimerade versioner som en byte-för-byte-kontroll skulle missa. Det beräknar aHash, dHash och pHash och rapporterar en Hamming-distans likhetspoäng, helt i din webbläsare utan att något laddas upp.
Så fungerar det
Välj ett verktyg
Välj bland 120+ verktyg för att ändra storlek, konvertera, komprimera eller förbättra din bild.
Ladda upp och redigera
Dra och släpp din bild och justera inställningarna. Den stannar på din enhet.
Ladda ner
Spara ditt resultat omedelbart — ingen vattenstämpel, ingen registrering krävs.
Varför Image Machine?
Dina filer lämnar aldrig din enhet
All bearbetning sker lokalt i din webbläsare. Dina bilder laddas aldrig upp till en server.
Helt gratis
Alla verktyg är gratis, utan begränsningar, utan vattenstämplar och utan dolda kostnader.
Blixtsnabbt
Ingen väntan på uppladdning — dina bilder bearbetas omedelbart på din egen enhet.
Professionell kvalitet
Pixelperfekt resultat med full kontroll över format, storlek och kvalitet.
Vanliga frågor
Hur kontrollerar jag om två bilder är dubbletter?
Ladda in båda bilderna och verktyget beräknar en perceptuell hash för varje, och mäter sedan Hamming-distansen mellan dem. Ett litet avstånd innebär att bilderna är visuellt desamma – även om en skalnades om eller sparades om – medan ett stort avstånd innebär att de skiljer sig.
Vad är skillnaden mellan aHash, dHash och pHash?
aHash (genomsnitt) är den enklaste och snabbaste, dHash (skillnad/gradient) är robust mot ljusstyrkeskiften och pHash (perceptuell, DCT-baserad) är den mest exakta mot komprimering och mindre redigeringar. Att jämföra alla tre ger ett välrundat utlåtande.
Kan den fånga en skalad eller re-komprimerad kopia?
Ja. Det är poängen med perceptuell hashning: den fångar den övergripande strukturen hos en bild, så en miniatyrbild, en re-kodad JPEG eller en lätt redigerad kopia hashar fortfarande nära originalet.
Hur skiljer sig detta från en pixel diff?
En pixel diff kräver identiska dimensioner och flaggar varje exakt ändring. Perceptuell likhet tolererar storleksändring och komprimering och svarar på en annan fråga – ser dessa ut som samma bild? – snarare än är de byte-identiska?