Bagaimana Perceptual Hashing Menemukan Komik Duplikat Bahkan Setelah Diganti Nama
1 Juni 2026
Bagaimana Perceptual Hashing Menemukan Komik Duplikat Bahkan Setelah Diganti Nama
Anda mengganti nama file. Anda mengompresi ulang arsip. Anda mengunduh volume yang sama dari sumber berbeda. Berdasarkan ukuran standar apa pun, ini sekarang adalah file yang "berbeda" — nama berbeda, checksum berbeda, ukuran file berbeda.
Namun, komik di dalamnya sama. Setiap halaman sama. Dan jika Anda mencoba membersihkan perpustakaan digital, duplikat yang hampir identik ini adalah persis yang lolos dari pencari duplikat standar.
Inilah masalah yang diselesaikan perceptual hashing, dan ini adalah teknik inti Comic Duplicate Scanner.
Mengapa Perbandingan File Standar Tidak Cukup
Kebanyakan alat "pencari file duplikat" menghitung checksum untuk setiap file dan menandai file yang berbagi checksum yang sama. Ini bekerja sempurna untuk salinan persis.
Tapi untuk arsip komik, pendekatan ini melewatkan duplikat paling umum di dunia nyata:
| Skenario | Checksum Sama? | Benar-benar Duplikat? |
|---|---|---|
| Salinan dengan nama berbeda | Tidak | Ya |
| Dikompres ulang dengan kualitas berbeda | Tidak | Ya |
| Dikemas ulang dengan struktur berbeda | Tidak | Mungkin ya |
| Diunduh dari dua sumber berbeda | Tidak | Sering ya |
| Salinan byte-demi-byte tepat | Ya | Ya |
Apa yang Perceptual Hashing Lakukan Sebagai Gantinya
Hash perceptual adalah sidik jari pendek yang dihitung dari konten visual gambar — bukan byte filenya. Algoritma yang paling banyak digunakan, pHash, bekerja kurang lebih sebagai berikut:
- Ubah ukuran gambar ke ukuran kecil tetap (mis. 32×32 piksel)
- Konversi ke grayscale
- Terapkan transformasi kosinus diskrit (DCT) untuk mengekstrak komponen frekuensi
- Simpan bagian frekuensi rendah — ini menangkap struktur keseluruhan
- Bandingkan setiap nilai dengan median, menghasilkan bitstring
Dua gambar dengan konten visual yang mirip menghasilkan hash dengan jarak Hamming yang rendah.
Dua sifat penting muncul langsung dari langkah-langkah ini:
- Resolusi tidak relevan. Langkah 1 mengubah ukuran setiap gambar ke grid tetap yang sama sebelum komputasi apa pun. Pemindaian 1200px dan 3000px dari halaman yang sama keduanya menjadi thumbnail 32×32 yang sama dan menghasilkan hash yang sama.
- Mode warna tidak relevan. Langkah 2 mengonversi ke skala abu-abu sebelum perbandingan. Pemindaian berwarna penuh dan pemindaian skala abu-abu dari halaman yang sama menghasilkan hash yang hampir identik, karena algoritma hanya menganalisis struktur luminansi, bukan nilai warna.
Cara Comic Duplicate Scanner Menerapkan Ini
Comic Duplicate Scanner menerapkan perceptual hashing di tingkat arsip:
- Ekstraksi — membuka setiap CBZ atau CBR dan membaca gambar internal
- Hash setiap halaman — setiap halaman mendapat perceptual hash
- Perbandingan — membangun indeks kemiripan dan menemukan arsip yang berbagi persentase tinggi halaman yang cocok
- Penilaian — memberikan kepercayaan pencocokan
Ketika 90% halaman di dua arsip cocok, kemungkinan positif palsu turun mendekati nol.
Kasus Nyata
Kasus 1: HxH_v12_en.cbz dari satu situs dan Hunter_X_Hunter_Volume_12.cbz dari yang lain. Perceptual hashing: halaman hampir identik di semua bab → ditandai sebagai duplikat.
Kasus 2: CBZ diproses melalui alat kompresi, mengurangi setiap JPEG ke 80% kualitas. Checksum berubah. Perceptual hashing: secara visual identik → terdeteksi.
Kasus 3: Satu arsip memiliki halaman 001.jpg, yang lain page_001.jpg. Perceptual hashing tidak melihat nama internal → tetap terdeteksi.
Kasus 5: Pindaian berwarna vs. pindaian hitam-putih Anda memiliki dua salinan volume manga yang sama: satu adalah pindaian berwarna dari edisi digital awal, yang lain adalah pindaian skala abu-abu dari rilis ulang yang lebih baru. Ukuran file berbeda, kedalaman warna berbeda, tampilan visual berbeda. Tetapi karena dHash mengonversi ke skala abu-abu sebelum hashing, kedua salinan direduksi menjadi sidik jari luminansi yang sama → ditandai sebagai duplikat. Ini adalah kasus yang hampir semua detektor duplikat lain lewatkan sepenuhnya.
Batas Perceptual Hashing
Pengeditan visual signifikan akan memutus pencocokan. Watermark ringan atau pemotongan kecil biasanya tidak mempengaruhi deteksi.
Gambar resolusi sangat rendah tidak dapat diandalkan.
Manga dengan gaya seni serupa antar volume. Positif palsu sesekali mungkin terjadi — antarmuka tinjauan memungkinkan Anda memeriksa thumbnail sebelum menghapus.
Menggunakan Comic Duplicate Scanner
Comic Duplicate Scanner adalah aplikasi Mac asli yang memindahkan duplikat terpilih ke Trash (bukan penghapusan permanen).
Setelah perpustakaan Anda bersih, padukan dengan BiblioFuse di iPhone untuk satu sumber bacaan yang terkurasi.