Como o Hash Perceptual Encontra Quadrinhos Duplicados Mesmo Após Renomeação
1 de junho de 2026
Como o Hash Perceptual Encontra Quadrinhos Duplicados Mesmo Após Renomeação
Você renomeou um arquivo. Recomprimiu um arquivo. Baixou o mesmo volume de uma fonte diferente. Por qualquer medida normal, agora são arquivos "diferentes" — nomes diferentes, checksums diferentes, tamanhos de arquivo diferentes.
No entanto, o quadrinho dentro é o mesmo. Cada página é a mesma. E se você estiver tentando limpar sua biblioteca digital, esses quase-idênticos duplicatas são exatamente os que escapam dos localizadores de duplicatas padrão.
Esse é o problema que o hash perceptual resolve, e é a técnica no núcleo do Comic Duplicate Scanner.
Por que a Comparação de Arquivos Padrão é Insuficiente
A maioria das ferramentas de "localização de arquivos duplicados" calcula um checksum para cada arquivo e sinaliza arquivos que compartilham o mesmo checksum. Isso funciona perfeitamente para cópias exatas.
Mas para arquivos de quadrinhos, essa abordagem perde os duplicatas mais comuns do mundo real:
| Cenário | Mesmo checksum? | Realmente duplicado? |
|---|---|---|
| Cópia com nome diferente | Não | Sim |
| Recomprimido com qualidade diferente | Não | Sim |
| Reempacotado com estrutura diferente | Não | Provavelmente sim |
| Baixado de duas fontes diferentes | Não | Frequentemente sim |
| Cópia exata byte a byte | Sim | Sim |
O que o Hash Perceptual Faz em vez disso
Um hash perceptual é uma impressão digital curta calculada a partir do conteúdo visual de uma imagem — não seus bytes de arquivo. O algoritmo mais usado, pHash, funciona aproximadamente assim:
- Redimensiona a imagem para um tamanho fixo pequeno (ex. 32×32 pixels)
- Converte para escala de cinza
- Aplica uma transformada de cosseno discreta (DCT) para extrair componentes de frequência
- Mantém a porção de baixa frequência
- Compara cada valor com a mediana, produzindo uma cadeia de bits
Dois hashes com conteúdo visual semelhante terão uma distância de Hamming baixa.
Duas propriedades importantes derivam diretamente dessas etapas:
- A resolução é irrelevante. A etapa 1 redimensiona cada imagem para a mesma grade fixa antes de qualquer cálculo. Um scan de 1200px e um de 3000px da mesma página tornam-se a mesma miniatura de 32×32 e produzem o mesmo hash.
- O modo de cor é irrelevante. A etapa 2 converte para escala de cinza antes da comparação. Um scan colorido e um scan em escala de cinza da mesma página produzem hashes quase idênticos, pois o algoritmo analisa apenas a estrutura de luminância, não os valores de cor.
Como o Comic Duplicate Scanner Aplica Isso
O Comic Duplicate Scanner aplica hash perceptual no nível do arquivo:
- Extração — abre cada CBZ ou CBR e lê as imagens internas
- Hash de cada página — cada página recebe um hash perceptual
- Comparação — constrói um índice de similaridade e encontra arquivos que compartilham alto percentual de páginas correspondentes
- Pontuação — atribui uma confiança de correspondência
Quando 90% das páginas de dois arquivos correspondem, a probabilidade de falso positivo cai quase a zero.
Casos Práticos
Caso 1: Fontes diferentes, nomes de arquivo diferentes
Você baixou HxH_v12_en.cbz de um site e Hunter_X_Hunter_Volume_12.cbz de outro. Hash perceptual: páginas quase idênticas → sinalizado como duplicado.
Caso 2: Arquivo recomprimido Alguém executou um CBZ por uma ferramenta de compressão, reduzindo cada JPEG para 80% de qualidade. Hash perceptual: visualmente idênticos → detectado.
Caso 3: Páginas reordenadas ou renomeadas internamente
Um arquivo tem páginas 001.jpg enquanto outro tem page_001.jpg. Hash perceptual: não olha nomes internos → ainda detectado.
Caso 5: Scan colorido vs. scan em preto e branco Você tem duas cópias do mesmo volume de manga: uma é um scan colorido de uma edição digital antiga, a outra é um scan em escala de cinza de uma reedição posterior. Tamanhos de arquivo diferentes, profundidade de cor diferente, aparência visual diferente. Mas como o dHash converte para escala de cinza antes de aplicar o hash, ambas as cópias são reduzidas à mesma impressão digital de luminância → marcadas como duplicatas. Este é um caso que quase todos os outros detectores de duplicatas ignoram completamente.
Os Limites do Hash Perceptual
Edições visuais significativas quebram a correspondência. Marcas d'água leves ou recortes menores geralmente não afetam a detecção.
Imagens de resolução muito baixa são não confiáveis.
Mangá com arte similar entre volumes. Falsos positivos ocasionais são possíveis — a interface de revisão permite verificar miniaturas antes de excluir.
Usando o Comic Duplicate Scanner
O Comic Duplicate Scanner é um aplicativo Mac nativo que traz hash perceptual para toda sua biblioteca. Move duplicatas selecionadas para a Lixeira (não exclusão permanente).
Com sua biblioteca limpa, combine-a com o BiblioFuse no iPhone para uma fonte única e curada para leitura.