# DCT Perceptual Hash

> 64×64 görüntü çalışma alanında DCT ve SIMD kullanarak 64 bit algısal özet üreten; görüntü karşılaştırmasını XOR ve Hamming uzaklığına indirgeyen C# benzerlik bileşeni.

- Author: Muhammet Ali Köker
- Language: tr
- Canonical: https://alikoker.com.tr/dct-perceptual-hash-csharp
- Translation: https://alikoker.com.tr/en/dct-perceptual-hash-csharp
- Published: 2022-09-15T12:00:00+03:00
- Modified: 2026-08-27T10:36:29+03:00
- Verified: 2026-08-27T10:36:29+03:00
- Type: project

Büyük bir görüntü koleksiyonunda pahalı olan işlem her eşleşmede resmi yeniden analiz etmek değil, görüntü başına bir kez anlamlı ve küçük bir temsil üretmektir. Bu repository bu amaçla resmi 64×64 çalışma alanına getiriyor, yoğunluk değerlerini çıkarıyor ve ayrılabilir DCT uyguluyor. Düşük frekans bölgesindeki 8×8 katsayıların medyana göre işaretlenmesiyle sonuç tek bir `UInt64` değere dönüşüyor.

Bu tasarımın pratik sonucu, sonraki karşılaştırmaların görüntü işleme problemi olmaktan çıkmasıdır: iki özet için `popcount(hash1 XOR hash2)` yeterlidir. DCT hot path'inde `Vector4.Dot` kullanımı ve önceden hesaplanan kosinüs katsayıları, tekrar eden matematiksel yükü sınırlamak için seçilmiştir.

Algısal hash bütünlük kontrolü değildir. Collision beklenebilir; eşik değeri de veri kümesine göre ölçülmelidir. Büyük kırpma, döndürme veya perspektif dönüşümü gibi işlemlere karşı genel invariantlık iddiası yoktur. Renk sayısını ve PNG çıktısını küçültme problemiyle ilgileniyorsanız aynı görüntü işleme kümesindeki [Variance Image Quantizer](/variance-image-quantizer-csharp) farklı bir hedefe odaklanır.

Ayrıntılı açıklama: [DCT ve SIMD ile Algısal Görüntü Benzerliği](/dct-ve-simd-ile-algisal-goruntu-benzerligi)

GitHub — [GitHub](https://github.com/alikoker/dct-perceptual-hash-csharp)  
Zenodo — [Zenodo](https://zenodo.org/records/22117445)  
DOI — [DOI](https://doi.org/10.5281/zenodo.22117445)

## Bu Çalışmaya Atıf

Köker, M. A. (2022). DCT Perceptual Hash. alikoker.com.tr. https://alikoker.com.tr/dct-perceptual-hash-csharp

- BibTeX: https://alikoker.com.tr/dct-perceptual-hash-csharp.bib
- RIS: https://alikoker.com.tr/dct-perceptual-hash-csharp.ris
- CSL-JSON: https://alikoker.com.tr/dct-perceptual-hash-csharp.csl.json