Я использую алгоритм SHA-256 для обнаружения идентичных изображений в базе данных. Поскольку мы используем много разных форматов изображений, я не хочу вычислять хэш непосредственно для файла. Вместо этого я хочу извлечь данные пикселей и вычислить для них хэш.
К сожалению, я получаю много случайных коллизий: 68 изображений, которые не имеют идентичных байтов, с использованием одного и того же извлечения пикселей (ниже) из 6000 хешей изображений с одинаковым значением. Мне кажется, это безумное количество столкновений. Кроме того, я сбросил вычисленные байты из пиксельных данных в файл, а затем попытался:
echo -n [byteDumpFile] | sha256sum
что привело к разным значениям хэша для выгруженных изображений, что наводит меня на мысль, что я делаю что-то не так, когда использую MessageDigest.
Вот как я получаю данные о пикселях:
imageBytes = new byte[4 * width * height];
for (int y = 0; y < height; y++)
{
for (int x = 0; x < width; x++)
{
// grab color information
int argb = image.getRGB(x, y);
// a,r,g,b ordered bytes per this pixel. the values are always 0-255 so the byte cast is safe
int offset = y * width;
int pushX = x * 4;
imageBytes[pushX + offset] = (byte) ((argb >> 24) & 0xff);
imageBytes[pushX + 1 + offset] = (byte) ((argb >> 16) & 0xff);
imageBytes[pushX + 2 + offset] = (byte) ((argb >> 8) & 0xff);
imageBytes[pushX + 3 + offset] = (byte) (argb & 0xff);
}
}
Затем я вычисляю хэш с помощью класса MessageDigest:
MessageDigest digest = MessageDigest.getInstance("SHA-256");
digest.reset();
for (int i = 0; i < imageBytes.length; i++)
{
digest.update(imageBytes[i]);
}
String hashString = new String(encodeHex(digest.digest()));
где encodeHex просто:
private static String encodeHex(byte data[])
{
StringBuilder hex = new StringBuilder(2 * data.length);
for (byte b : data)
{
hex.append(HEXES.charAt((b & 0xF0) >> 4)).append(HEXES.charAt((b & 0x0F)));
}
return hex.toString();
}