provera duplikata fajlova

[jablan]

Off Topic: Hash može biti samo isti ili različit, ne može biti "sličan"

[misk0]

Upitno je koliko ima smisla koristiti prvih nekoliko kilobajta. Mozda bi prije svega toga trebalo uraditi analizu veceg broja slika i vidjeti kakvi se rezultati dobiju.
JPEG koliko znam pocinje fajl sa gornjim lijevim uglom slike i ide prema donjem desnom. Kod BMP formata ide 'odozdo' prema gore.
Dosta slika prirode imaju 1/3nu neba koje je u gornjem dijelu i moguce je da je isto/slicno za velik broj slika.

[jablan]

Originalno napisao misk0

Dosta slika prirode imaju 1/3nu neba koje je u gornjem dijelu i moguce je da je isto/slicno za velik broj slika.

Kao što rekoh, nema kod slika slično, nego ili je isto ili nije...

Mogli bismo da napravimo mali eksperiment: svako od nas napravi skroz beli JPG 1000x1000, pa da vidimo koliko prvih bajtova im se poklapa. Ja tipujem na između 10 i 50.

[ivan.skugor]

Originalno napisao jablan

Mogli bismo da napravimo mali eksperiment: svako od nas napravi skroz beli JPG 1000x1000, pa da vidimo koliko prvih bajtova im se poklapa. Ja tipujem na između 10 i 50.

Postoji vise razlicitih nacina kodiranja JPEG slika, pa je stoga moguce da se sve slike poprilicno razlikuju (byte-ovno gledano).

Medjutim, kad bi svi koristili isti nacin kodiranja, dobili bi iste slike.


Enivej, nisam proucavao JPEG standard, ali sigurno postoje nekakvi meta-podaci o slici kakvi inace postoje kod slicnih stvari (od kojih su neki i nacini kodiranja, level kompresiranja, itd.), a koji su najvjerovatnije stavljeni na pocetak. Njihove varijacije nisu velike, pa stoga vjerojatnost da dvije slike imaju isti hash na temelju prvih n kilobyte-a uvelike raste ako uzmemo u obzir veliku kolicinu slika prvenstveno, a zatim i vec spomenute slicnosti tematike slika (nebo, mrak, jednobojne pozadine). Naravno, ta vjerovatnost uvelike ovisi i o odabiru broja n (veci n manja vjerojatnost pronalaska istog hash-a za razlicite slike).

Ja na problem gledam matematicki, mozda ne bi bilo lose prouciti standard.

[ivan.skugor]

Originalno napisao jablan

Off Topic: Hash može biti samo isti ili različit, ne može biti "sličan"

Slican hash u smislu da dvije slike imaju isti hash za prvih n kilobyte-a.