安卓感知哈希算法

public static String getHash(Bitmap bmp){    /**     * 第一步，缩小尺寸。 * 最快速的去除高频和细节，只保留结构明暗的方法就是缩小尺寸。 * 将图片缩小到8x8的尺寸，总共64个像素。摒弃不同尺寸、比例带来的图片差异     */int width = bmp.getWidth();    int height = bmp.getHeight();    int newWidth = 8;    int newHeight = 8;    float scaleWidth = ((float) newWidth) / width;    float scaleHeight = ((float) newHeight) / height;    Matrix matrix = new Matrix();    matrix.postScale(scaleWidth, scaleHeight);    Bitmap newbmp = Bitmap.createBitmap(bmp, 0, 0, width, height, matrix,true);    /**     * 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。     */    int width1 = newbmp.getWidth();   //获取位图的宽    int height1 = newbmp.getHeight();  //获取位图的高          int []pixels = new int[width1 * height1]; //通过位图的大小创建像素点数组          newbmp.getPixels(pixels, 0, width1, 0, 0, width1, height1);     int alpha = 0xFF << 24;      for(int i = 0; i < height1; i++) {      for(int j = 0; j < width1; j++) {       int grey = pixels[width1 * i + j];              int red = ((grey  & 0x00FF0000 ) >> 16);       int green = ((grey & 0x0000FF00) >> 8);       int blue = (grey & 0x000000FF);              grey = (int)((float) red * 0.3 + (float)green * 0.59 + (float)blue * 0.11);       grey = alpha | (grey << 16) | (grey << 8) | grey;       pixels[width1 * i + j] = grey;      }     }     Bitmap result = Bitmap.createBitmap(width1, height1, Config.RGB_565);     result.setPixels(pixels, 0, width1, 0, 0, width1, height1);          /**      * 第三步，计算平均值。      * 计算所有64个像素的灰度平均值。      */     int sum = 0;     for(int i=0;i<result.getWidth();i++){     for(int j=0;j<result.getHeight();j++){     int x = result.getPixel(i, j);     sum+=x;     }     }     int ave = sum/(result.getWidth()*result.getHeight());               /**      * 第四步，比较像素的灰度。  * 算法的精髓，简单、有趣，又充满深意。  * 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。      */     StringBuffer sb = new StringBuffer();     for(int i=0;i<result.getWidth();i++){     for(int j=0;j<result.getHeight();j++){     int x = result.getPixel(i, j);     if(x>ave){     sb.append("1");     }else{     sb.append("0");     }     }      }     /**      * 第五步，计算哈希值。      * 将上一步的比较结果，组合在一起成为一个字符串，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（例如，自左到右、自顶向下、big-endian）。      */                 return sb.toString();}