# PicDistinct

**Repository Path**: cloudczheng/pic-distinct

## Basic Information

- **Project Name**: PicDistinct
- **Description**: 图片查重工具
- **Primary Language**: Python
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-12-23
- **Last Updated**: 2025-12-23

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# PicDistinct

#### 介绍
图片查重工具

#### 程序说明

本程序使用腾讯元宝ai对话助手编写代码。提示词如下：


提示词1：

我的设计是这样的：输入一个路径，读取路径下的所有图片，计算他们的相似度。
计算思路如下：首先，计算所有图片的MD5，找到完全相同文件，相似度100%。
其次，计算所有图片的多种图像哈希，并赋予不同哈希一定权重，得出相似度。
再次，使用特征匹配算法分析高相似度图片，得出一个相似度结果。
最后，汇总三次分析结果，给出综合的相似度结果。评价一下我的设想，并给出你的优化

提示词2：

我决定使用python进行开发。创建了一个PicCalToolManager.py文件，其中包含如下功能函数：
 PicMD5 参数：string picpath 返回： 图片文件的md5
 PicAHash 参数string picpath 返回 图片的均值哈希
 PicDHash 参数 string picpath 返回 图片差异哈希
 PicPHash 参数 string picpath 返回 图片感知哈希
 PicWHash 参数 string picpath 返回图片小波哈希
帮我完成这个文件的内容

提示词3：

我创建了一个文件FeatureMatchToolManager,用来实现ORB图片特征匹配，帮我完成代码

提示词4：

假如我要设计一个桌面应用，用来查找电脑指定目录下的重复图片，这个应用的界面布局应该是怎样的？

提示词5：

按照这个格式绘制大体框架，编写python 界面代码，不实现具体功能

提示词6：

左侧面板 (控制区) 添加如下控件：目录选择（按钮），当前选择目录路径（文本），相似度阈值（滑块），选择图片哈希算法（下拉框，选项：ahash,dhash,phash,whash）

提示词7：

给目录选择按钮添加实际功能

提示词8：

在左侧面板 (控制区)中添加一个按钮“开始分析”

提示词9：

创建self.analyze_images(directory, threshold, algorithm)函数，实现如下功能：
1.获取目录directory下所有图片路径
2.遍历计算所有图片的md5,使用方法：core.PicCalToolManager.PicMD5()
3.记录md5相同的图片路径，记为 相似度100%

提示词10：

重写self.analyze_images(directory, threshold, algorithm)函数，实现如下功能：
        1.获取目录directory下所有图片路径
        2.遍历计算所有图片的md5,使用方法：core.PicCalToolManager.PicMD5()
        3.记录md5相同的图片路径到一个数据结构中待用，记为 相似度100%
        4.排除已记录图片，分析剩余图片
        5.计算剩余图片的图片哈希，根据algorithm参数选择具体图片哈兮算法
            algorithm=ahash,使用core.PicCalToolManager.PicAHash(path)
            algorithm=dhash,使用core.PicCalToolManager.PicDHash(path)
            algorithm=phash,使用core.PicCalToolManager.PicPHash(path)
            algorithm=whash,使用core.PicCalToolManager.PicWHash(path)
        6.使用core.PicCalToolManager.calculate_similarity(hash1,hash2)计算所有的哈希相似度
        7.根据 相似度阈值 参数threshold，记录大于threshold的图片路径和相似度到一个数据结构中待用

提示词11：

继续重写self.analyze_images(directory, threshold, algorithm)函数，实现如下功能：
        1.获取目录directory下所有图片路径
        2.遍历计算所有图片的md5,使用方法：core.PicCalToolManager.PicMD5()
        3.记录md5相同的图片路径到一个数据结构中待用，记为 相似度100%
        4.排除已记录图片，分析剩余图片
        5.计算剩余图片的图片哈希，根据algorithm参数选择具体图片哈兮算法
            algorithm=ahash,使用core.PicCalToolManager.PicAHash(path)
            algorithm=dhash,使用core.PicCalToolManager.PicDHash(path)
            algorithm=phash,使用core.PicCalToolManager.PicPHash(path)
            algorithm=whash,使用core.PicCalToolManager.PicWHash(path)
        6.使用core.PicCalToolManager.calculate_similarity(hash1,hash2)计算所有的哈希相似度
        7.根据 相似度阈值 参数threshold，记录大于threshold的图片路径和相似度到一个数据结构中待用
        8.再次排除已记录的图片，分析剩余图片
        9.使用core.FeatureMatchToolManager.calculate_similarity_score(path1,path2)计算剩余图片相似度
        10.再次记录相似度大于threshold的图片路径
提示词12：

中间主区域 (结果展示区) 重新设计如下：
初始状态下为空白内容。点击 开始分析 ，分析完成后获得分析结果self.analysis_result,
现在要把结果展示在中间主区域 (结果展示区) 。
展示方式如下：中间主区域 (结果展示区)  可以上下滚动，
使用一个自定义控件展示相同图片组和相似图片组，点击图片在右侧面板 (预览/详情区)展示图片预览和图片信息

---

个人学习使用，如有雷同，不胜荣幸

CloudCZh

2025年12月23日