簡介
PHA是一類比較哈希方法的統稱。圖片所包含的特徵被用來生成一組指紋（不過它不是唯一的）,而這些指紋是可以進行比較的。
算法流程
下面是簡單的步驟，來說明對圖像進行PHA的運算過程 ：
第一步，縮小尺寸。
最快速的去除高頻和細節，只保留結構明暗的方法就是縮小尺寸。
將圖片縮小到8x8的尺寸，總共64個像素。摒棄不同尺寸、比例帶來的圖片差異。
第二步，簡化色彩。
將縮小後的圖片，轉為64級灰度。也就是說，所有像素點總共只有64種顏色。
第三步，計算DCT（離散餘弦變換）。
DCT是把圖片分解頻率聚集和梯狀形，雖然JPEG使用8*8的DCT變換，在這裡使用32*32的DCT變換。
第四步，縮小DCT。
雖然DCT的結果是32*32大小的矩陣，但我們只要保留左上角的8*8的矩陣，這部分呈現了圖片中的最低頻率。
第五步，計算平均值。
計算所有64個值的平均值。
第六步，進一步減小DCT。
這是最主要的一步，根據8*8的DCT矩陣，設定0或1的64位的hash值，大於等於DCT均值的設為”1”，小於DCT均值的設為“0”。結果並不能告訴我們真實性的低頻率，只能粗略地告訴我們相對於平均值頻率的相對比例。只要圖片的整體結構保持不變，hash結果值就不變。能夠避免伽馬校正或顏色直方圖被調整帶來的影響。
第七步，計算哈希值。
將64bit設定成64位的長整型，組合的次序並不重要，只要保證所有圖片都採用同樣次序就行了。將32*32的DCT轉換成32*32的圖像。
將上一步的比較結果，組合在一起，就構成了一個64位的整數，這就是這張圖片的指紋。組合的次序並不重要，只要保證所有圖片都採用同樣次序就行了（例如，自左到右、自頂向下、big-endian）。
得到指紋以後，就可以對比不同的圖片，看看64位中有多少位是不一樣的。在理論上，這等同於計算“漢明距離”（Hammingdistance）。如果不相同的數據位不超過5，就說明兩張圖片很相似；如果大於10，就說明這是兩張不同的圖片。
算法評價
這個算法非常好，無論你改變圖片的高寬、亮度甚至顏色，都不會改變哈希值。最關鍵的是速度極快！cool！
