123 lines
3.5 KiB
Go
123 lines
3.5 KiB
Go
package phash
|
||
|
||
import (
|
||
"bytes"
|
||
"image"
|
||
"image/color"
|
||
"image/png"
|
||
"testing"
|
||
)
|
||
|
||
// genGradient 生成一张水平灰阶渐变的 PNG 字节流（w 宽、h 高）。
|
||
// 用于验证 dHash 对「同一图案」的稳定性，以及对「缩放 / 转码」的鲁棒性。
|
||
func genGradient(w, h int) []byte {
|
||
img := image.NewRGBA(image.Rect(0, 0, w, h))
|
||
for y := 0; y < h; y++ {
|
||
for x := 0; x < w; x++ {
|
||
v := uint8(x * 255 / w)
|
||
img.Set(x, y, color.Gray{Y: v})
|
||
}
|
||
}
|
||
var buf bytes.Buffer
|
||
if err := png.Encode(&buf, img); err != nil {
|
||
panic(err)
|
||
}
|
||
return buf.Bytes()
|
||
}
|
||
|
||
// genGradientReverse 生成一张「左亮右暗」的反向渐变 PNG。
|
||
// 与 genGradient（左暗右亮）方向相反，dHash 的相邻比较结果完全相反，
|
||
// 汉明距离应为 64（最大），用于验证「差异显著」的图能被正确区分。
|
||
func genGradientReverse(w, h int) []byte {
|
||
img := image.NewRGBA(image.Rect(0, 0, w, h))
|
||
for y := 0; y < h; y++ {
|
||
for x := 0; x < w; x++ {
|
||
v := uint8(255 - x*255/w)
|
||
img.Set(x, y, color.Gray{Y: v})
|
||
}
|
||
}
|
||
var buf bytes.Buffer
|
||
if err := png.Encode(&buf, img); err != nil {
|
||
panic(err)
|
||
}
|
||
return buf.Bytes()
|
||
}
|
||
|
||
// genSolid 生成一张纯色 PNG。
|
||
func genSolid(w, h int, v uint8) []byte {
|
||
img := image.NewRGBA(image.Rect(0, 0, w, h))
|
||
c := color.Gray{Y: v}
|
||
for y := 0; y < h; y++ {
|
||
for x := 0; x < w; x++ {
|
||
img.Set(x, y, c)
|
||
}
|
||
}
|
||
var buf bytes.Buffer
|
||
if err := png.Encode(&buf, img); err != nil {
|
||
panic(err)
|
||
}
|
||
return buf.Bytes()
|
||
}
|
||
|
||
// TestOfIdentical 同一字节流 → 指纹完全一致。
|
||
func TestOfIdentical(t *testing.T) {
|
||
a := genGradient(64, 64)
|
||
b := genGradient(64, 64)
|
||
if Of(a) != Of(b) {
|
||
t.Fatalf("相同图片应得到相同 dHash，got %016x vs %016x", Of(a), Of(b))
|
||
}
|
||
}
|
||
|
||
// TestOfResizeSimilar 同一图案缩放到不同尺寸 → 汉明距离很小（近重复可容忍范围内）。
|
||
func TestOfResizeSimilar(t *testing.T) {
|
||
a := genGradient(64, 64)
|
||
b := genGradient(128, 128)
|
||
d := Hamming(Of(a), Of(b))
|
||
if d > 20 {
|
||
t.Fatalf("同一图案缩放后汉明距离应很小，got %d", d)
|
||
}
|
||
}
|
||
|
||
// TestOfDifferent 方向相反的图案（左暗右亮 vs 左亮右暗）→ 汉明距离应显著大于近重复阈值。
|
||
func TestOfDifferent(t *testing.T) {
|
||
a := genGradient(64, 64)
|
||
b := genGradientReverse(64, 64)
|
||
d := Hamming(Of(a), Of(b))
|
||
if d <= DefaultThreshold {
|
||
t.Fatalf("不同图片汉明距离应大于阈值 %d，got %d", DefaultThreshold, d)
|
||
}
|
||
}
|
||
|
||
// TestToVectorBits 验证向量串格式与维度（64 位、方括号包裹、0/1 组成）。
|
||
func TestToVectorBits(t *testing.T) {
|
||
s := ToVectorBits(0b1) // 仅最低位为 1
|
||
if len(s) != 2*Size+1 { // 64 个 0/1 + 63 个逗号 + 2 个方括号 = 129
|
||
t.Fatalf("向量串长度应为 %d，got %d（%s）", 2*Size+1, len(s), s)
|
||
}
|
||
if s[0] != '[' || s[len(s)-1] != ']' {
|
||
t.Fatalf("向量串应以方括号包裹，got %s", s)
|
||
}
|
||
if s[1] != '1' { // bit0 = 1
|
||
t.Fatalf("第 0 维应为 1，got %c", s[1])
|
||
}
|
||
if s[3] != '0' { // bit1 = 0（[1,0,...] 中第二个元素）
|
||
t.Fatalf("第 1 维应为 0，got %c", s[3])
|
||
}
|
||
if ToVectorBits(0) != "" {
|
||
t.Fatalf("解码失败（0）应返回空串，got %q", ToVectorBits(0))
|
||
}
|
||
}
|
||
|
||
// TestHamming 验证汉明距离的对称性与已知值。
|
||
func TestHamming(t *testing.T) {
|
||
if Hamming(0, 0) != 0 {
|
||
t.Fatalf("相同指纹汉明距离应为 0")
|
||
}
|
||
if Hamming(0b1111, 0b0000) != 4 {
|
||
t.Fatalf("1111 vs 0000 汉明距离应为 4")
|
||
}
|
||
if Hamming(0b1111, 0b0000) != Hamming(0b0000, 0b1111) {
|
||
t.Fatalf("汉明距离应对称")
|
||
}
|
||
}
|