Comment le Hachage Perceptuel Trouve les Doublons de BD Même Après Renommage
1 juin 2026
Comment le hachage perceptuel trouve les doublons de bandes dessinées même après renommage
Vous avez renommé un fichier. Vous avez recompressé une archive. Vous avez téléchargé le même volume depuis une source différente. Par toute mesure habituelle, ce sont maintenant des fichiers "différents" — noms différents, checksums différents, tailles différentes.
Pourtant, la bande dessinée à l'intérieur est la même. Chaque page est la même. Et si vous essayez de nettoyer votre bibliothèque numérique, ces quasi-doublons sont exactement ceux qui échappent aux outils de détection de doublons standard.
C'est le problème que résout le hachage perceptuel, et c'est la technique au cœur d'Comic Duplicate Scanner.
Pourquoi la comparaison de fichiers standard est insuffisante
La plupart des outils de "recherche de doublons" calculent un checksum pour chaque fichier et signalent les fichiers qui partagent le même checksum. Cela fonctionne parfaitement pour les copies exactes.
Mais pour les archives de bandes dessinées, cette approche manque les doublons les plus courants dans le monde réel :
| Scénario | Même checksum ? | Vraiment un doublon ? |
|---|---|---|
| Copie avec nom différent | Non | Oui |
| Recompressé à qualité différente | Non | Oui |
| Recompilé avec structure différente | Non | Probablement oui |
| Téléchargé de deux sources différentes | Non | Souvent oui |
| Copie exacte octet par octet | Oui | Oui |
Ce que fait le hachage perceptuel à la place
Un hachage perceptuel est une empreinte digitale courte calculée à partir du contenu visuel d'une image — pas de ses octets. L'algorithme le plus utilisé, pHash, fonctionne approximativement ainsi :
- Redimensionne l'image à une petite taille fixe (ex. 32×32 pixels)
- Convertit en niveaux de gris
- Applique une transformée en cosinus discrète (DCT) pour extraire les composantes fréquentielles
- Conserve la partie basse fréquence — cela capture la structure globale
- Compare chaque valeur à la médiane, produisant une chaîne de bits
Deux images au contenu visuel similaire produisent des hachages avec une distance de Hamming faible.
Deux propriétés importantes découlent directement de ces étapes :
- La résolution est sans importance. L'étape 1 redimensionne chaque image vers la même grille fixe avant tout calcul. Un scan à 1200px et un à 3000px de la même page donnent la même vignette de 32×32 et produisent le même hash.
- Le mode couleur est sans importance. L'étape 2 convertit en niveaux de gris avant la comparaison. Un scan en couleur et un scan en niveaux de gris de la même page produisent des hashes presque identiques, car l'algorithme analyse uniquement la structure de luminance, pas les valeurs de couleur.
Comment Comic Duplicate Scanner applique cela
Comic Duplicate Scanner applique le hachage perceptuel au niveau de l'archive :
- Extraction — ouvre chaque CBZ ou CBR et lit les images internes
- Hachage de chaque page — chaque page reçoit un hachage perceptuel
- Comparaison — construit un index de similarité et trouve les archives qui partagent un fort taux de pages correspondantes
- Score — attribue une confiance de correspondance
Cette correspondance multi-pages est ce qui rend l'outil précis pour les bandes dessinées spécifiquement. Quand 90% des pages de deux archives correspondent, la probabilité de faux positif tombe à quasi zéro.
Cas pratiques
Cas 1 : Sources différentes, noms différents
Vous avez téléchargé HxH_v12_en.cbz d'un site et Hunter_X_Hunter_Volume_12.cbz d'un autre. Comparaison de checksum : aucune correspondance. Hachage perceptuel : pages quasi identiques → signalé comme doublon.
Cas 2 : Archive recompressée Quelqu'un a compressé un CBZ, réduisant chaque JPEG à 80% de qualité. Checksums changés. Hachage perceptuel : visuellement identiques → détecté.
Cas 3 : Pages réordonnées ou renommées
Une archive a des pages 001.jpg alors qu'une autre a page_001.jpg. Le hachage perceptuel ne regarde pas les noms internes → toujours détecté.
Cas 5 : Scan couleur contre scan en noir et blanc Vous avez deux copies du même volume de manga : une est un scan couleur d'une édition numérique ancienne, l'autre est un scan en niveaux de gris d'une réédition ultérieure. Tailles de fichier différentes, profondeur de couleur différente, apparence visuelle différente. Mais comme dHash convertit en niveaux de gris avant le hachage, les deux copies se réduisent à la même empreinte de luminance → signalées comme doublons. C'est un cas que presque tous les autres détecteurs de doublons manquent entièrement.
Les limites du hachage perceptuel
Les modifications visuelles importantes brisent la correspondance. Les légères filigranes ou les recadrages mineurs n'affectent généralement pas la détection.
Les images à très basse résolution sont peu fiables.
Le manga avec des styles artistiques similaires entre volumes. Des faux positifs occasionnels sont possibles — l'interface de révision permet de vérifier les miniatures avant de supprimer.
Utiliser Comic Duplicate Scanner
Comic Duplicate Scanner est une application Mac native qui apporte le hachage perceptuel à toute votre bibliothèque. Il déplace les doublons sélectionnés dans la Corbeille (pas de suppression définitive).
Une fois votre bibliothèque nettoyée, associez-la à BiblioFuse sur iPhone pour une source unique et organisée pour la lecture.