Python识别文件夹重复图片方法详解

想快速揪出文件夹里那些“长得一模一样”却改了名字、换了格式甚至微调过画质的重复图片？Python 提供了一套高效又实用的解决方案：不用比对文件名，而是通过计算图像哈希值——用 imagehash 库做感知哈希精准识别视觉相似图，用 MD5 实现字节级完全匹配，再辅以统一转 RGB 模式、按文件大小预筛、跳过干扰文件和递归遍历子目录等技巧，兼顾准确性与运行效率；无论你是清理相册、优化素材库，还是做数据去重，这几招组合拳都能帮你干净利落地定位所有重复图片。

判断文件夹内是否有重复图片，关键不是看文件名，而是比较图片内容是否相同。Python可以通过计算图片的哈希值来快速识别重复项。以下是几种实用方法：

1. 使用图像哈希（Image Hash）

将图片转换为哈希值，内容相同的图片哈希一致。常用的是感知哈希（Perceptual Hash），对轻微变化不敏感，适合找视觉上几乎一样的图。

示例代码：

import os
from PIL import Image
import imagehash
<p>def find_duplicate_images(folder_path):
hashes = {}
duplicates = []</p><pre class="brush:php;toolbar:false"><code>for filename in os.listdir(folder_path):
    filepath = os.path.join(folder_path, filename)
    if not os.path.isfile(filepath):
        continue

    try:
        with Image.open(filepath) as img:
            img_hash = imagehash.average_hash(img)

        if img_hash in hashes:
            duplicates.append((filename, hashes[img_hash]))
        else:
            hashes[img_hash] = filename
    except Exception as e:
        print(f"无法处理文件 {filename}: {e}")

return duplicates</code>

运行后返回重复图片对，比如 ('pic2.jpg', 'pic1.jpg') 表示 pic2 和 pic1 内容重复。

2. 精确比对：使用MD5哈希

如果想找出完全一致的文件（字节级别相同），可以用文件的MD5值：

import os
import hashlib
<p>def get_file_hash(filepath):
with open(filepath, 'rb') as f:
return hashlib.md5(f.read()).hexdigest()</p><p>def find_exact_duplicates(folder_path):
hash_dict = {}
duplicates = []</p><pre class="brush:php;toolbar:false"><code>for filename in os.listdir(folder_path):
    filepath = os.path.join(folder_path, filename)
    if not os.path.isfile(filepath):
        continue

    file_hash = get_file_hash(filepath)
    if file_hash in hash_dict:
        duplicates.append((filename, hash_dict[file_hash]))
    else:
        hash_dict[file_hash] = filename

return duplicates</code>

3. 处理不同格式但内容相同的图

有时同一张图保存为 .jpg 和 .png，内容一样但格式不同。这时用PIL加载后转成统一格式再哈希更可靠：

with Image.open(filepath) as img:
    img = img.convert('RGB')  # 统一颜色模式
    img_hash = imagehash.average_hash(img)

这样即使格式不同，只要视觉内容接近，也能识别为重复。

4. 提高效率的小技巧

• 先按文件大小粗筛：大小不同的文件不可能完全一致
• 跳过缩略图或特定名称文件（如 thumbs.db）
• 支持子目录递归扫描时，用 os.walk() 替代 os.listdir()

基本上就这些。用 imagehash 最省事，准确率高；用 MD5 可以确保字节一致。根据需求选合适的方法就行。

本篇关于《Python识别文件夹重复图片方法详解》的介绍就到此结束啦，但是学无止境，想要了解学习更多关于文章的相关知识，请关注golang学习网公众号！