正好看这块，我以前这块还问过小白问题。就来分享一下我的小白理解吧。

图像质量指标

SSIM/PSNR/MSE 具体请 BAIDU，主要是在超清图像中会经常提到。SSIM 也可以用作判定图像相似度的指标。

HASH 类

主要包括均值 HASH 和感知 HASH、DHASH 等。用的比较多的应该是感知 HASH 吧。
感知 HASH 的核心在于缩放图片后，使用 DCT 将 32*32 图片中的低频分量 8*8 提取出来计算汉明距。
但是缩放会减少图像特征同时感知 HASH 只有 8*8 的特征，我个人理解，因此只能描述图像间大尺度的差异。

特征点匹配

典型的有 SIFT/SURF 特征匹配
优点是准确率高，但是速度慢。

PS：具体的调参我还没有实践。不要问细节，我只是分享一下思路。像什么 MD5，图片偏一下就就完蛋的就不拿来说了。
当然还有复杂的，通过图像特征做聚类的，能不能实现我比较虚，就不拿来说了。
说的有问题的地方还请指正，谢谢！~