判断图片相似度和缩小尺寸

输出调试文本 (“正在计算相似度,指定相似度为:” ＋ 到文本 (100 － 8 ÷ 64 × 100))
.计次循环首 (取数组成员数 (特征库_), 计次)
.计次循环首 (64, 计次2)
局部特征库 ＝ 特征库_ [计次]
局部对比库 ＝ 对比特征
.判断开始 (取文本中间 (局部特征库, 计次2, 1) ≠ 取文本中间 (局部对比库, 计次2, 1))
不相似数量 ＝ 不相似数量 ＋ 1
.默认

.判断结束

.计次循环尾 ()
.判断开始 (不相似数量 ≥ 最大不相似度)
输出调试文本 (“特征库第：” ＋ 到文本 (计次) ＋ “张,相似度为” ＋ 到文本 (100 － 不相似数量 ÷ 64 × 100) ＋ “%”)
不相似数量 ＝ 0
.默认
输出调试文本 (“特征库第：” ＋ 到文本 (计次) ＋ “张,相似度为” ＋ 到文本 (100 － 不相似数量 ÷ 64 × 100) ＋ “%:该图比较相似”)
不相似数量 ＝ 0
.判断结束

.计次循环尾 ()

缩小尺寸。
将图片缩小到8x8的尺寸，总共64个像素。这一步的作用是去除图片的细节，只保留结构、明暗等基本信息，摒弃不同尺寸、比例带来的图片差异。

第二步，简化色彩。
将缩小后的图片，转为64级灰度。也就是说，所有像素点总共只有64种颜色。
第三步，计算平均值。
计算所有64个像素的灰度平均值。
第四步，比较像素的灰度。
将每个像素的灰度，与平均值进行比较。大于或等于平均值，记为1；小于平均值，记为0。
第五步，计算哈希值。
将上一步的比较结果，组合在一起，就构成了一个64位的整数，这就是这张图片的指纹。组合的次序并不重要，只要保证所有图片都采用同样次序就行了。

得到指纹以后，就可以对比不同的图片，看看64位中有多少位是不一样的。在理论上，这等同于计算"汉明距离"（Hamming distance）。如果不相同的数据位不超过5，就说明两张图片很相似；如果大于10，就说明这是两张不同的图片。