PDQ 指纹、汉明距离与 24 小时时间窗，如何平衡整理准确率与 NAS 性能

连拍孩子最灿烂的笑容，保存多个日落滤镜版本——现代摄影让记录美好瞬间变得更容易，也让相册越来越杂乱。群晖在一篇技术解析中，介绍了 Synology Photos“堆叠相似项目”功能背后的设计取舍：算法如何判断“相似”，又如何在百万级图库中高效比较，同时不拖慢 NAS、不剥夺用户控制权。

“相似”到底由谁定义？

群晖团队指出，人类对相似照片的判断非常灵活。整理孩子生日派对照片时，几张表情略有不同的连拍可能被视为“相似”；但挑选风景照打印时，云的位置稍有变化，就可能被看作两幅独立作品。算法无法完全复制这种主观而多变的思维，因此必须建立客观、一致的标准。开发团队的第一步，是教计算机“抓住重点”。

给每张照片画一张“灵魂素描”

Synology Photos 采用 PDQ 哈希算法。它会自动忽略照片中不重要的表面差异，例如保存为 PNG 还是 JPG、分辨率高低、是否存在数字噪点，只专注于轮廓、线条和明暗分布。其过程大致分为几步：

首先，算法把彩色照片转为灰度图，就像艺术家起草时忽略颜色，专注主体轮廓、光线与阴影。接着，无论原图来自手机人像还是相机风景，都会被缩放到固定小尺寸，确保比较基础一致。这里的关键是找到“最优分辨率”：缩得太小会丢失细节，导致不同照片被误判；因此团队采用相对较大的标准尺寸，在准确性和性能之间取得平衡。

随后，算法使用离散余弦变换（DCT）将图像拆解为基本视觉纹理和布局模式，提取核心视觉特征。最终，每张照片会生成一串由 256 个 0 和 1 组成的代码，也就是它的“视觉指纹”。PDQ 算法还会给出质量分，评估照片是否足够清晰，可用于有意义的比较。

阈值之争：宁可多堆叠，也不漏掉

有了视觉指纹，下一个问题是：两幅指纹要多相似，才算同一组？群晖使用汉明距离量化差异：把两幅“素描”的 256 个特征点逐一比较，统计不同点的数量。

汉明距离为 0 到 15，通常意味着两张照片几乎完全相同，很可能是同一张照片的副本；16 到 40 之间，通常只是轻微裁剪、缩放或亮度调整，视觉内容高度相似；41 到 80 之间，则可能主题相关，但构图、人物或景物已经出现明显差异。

阈值太严格，轻微调整就会被当成不同照片，自动整理失去意义；阈值太宽松，构图相似但主题无关的照片又可能被错误堆叠。经过大量测试，团队确立“宁可多堆叠，也不漏掉”的原则，采用相对宽松但经过严格验证的阈值。目标是让算法找到的照片在用户眼中“大概率相关”。用户可能想分开查看，但很少会觉得两张照片完全无关。

群晖认为，用户从已整理集合中手动移除几张照片，远比手动查找并合并散落图库中的照片省时。因此，目前功能只提供“取消堆叠”和“从堆叠中移除”，不开放手动创建堆叠。算法被定位为高效的“筛选助手”，完成约 80% 的繁琐工作，把最后 20% 充满个人偏好的整理乐趣留给用户。

百万图库中如何高效比较？

如果每张新照片都与整个图库比对，计算量将难以承受。为此，Synology Photos 设计了多级任务分配与优化机制。

首先，算法被限制在特定“视野”内。群晖观察到，大多数相似照片，例如连拍和编辑版本，都产生于相近时间。因此，无论新上传照片还是后台定时任务，都只与拍摄时间在 24 小时窗口，也就是前后 12 小时内的照片比较。这大幅缩小了比较范围。

其次，移动端承担了部分算力。用户通过手机上传照片时，手机处理器会先在本地预计算 PDQ 素描，再随照片一起上传到 NAS。NAS 只需接收数据并执行指纹数据库比对。

最后，后台比较和堆叠任务被接入 DSM 核心系统调度器，成为整个系统智能资源调度的一部分，而不是孤立运行。这能避免频繁唤醒休眠硬盘，保持 NAS 能效，并与 Download Station、Hyper Backup 等后台任务协调，选择合适时间运行，减少资源争抢，提高整体稳定性和可预测性。

智能辅助，而不是代替决定

群晖表示，Synology Photos 的“堆叠相似照片”功能围绕一个核心理念：让技术成为用户的得力助手，而不是取代用户决策。团队投入资源优化算法准确率、大规模比较效率以及 NAS 性能，同时保留最大自由度——用户可以设置堆叠封面、一键取消堆叠，也可以从堆叠中移除任意照片。

在群晖看来，最好的自动化应当替用户完成繁琐的前期工作，再把最终整理的乐趣交还给用户。这样，用户在享受整洁时间线的同时，也能感受到这套系统“恰到好处”的设计分寸。