Сравнение изображений. Дискретное косинусное преобразование и простой pHash по среднему

pi = 3.142857
m=32
n=32
 
 
def dctTransform(matrix):
    C1=[]
    C = np.zeros((m, n))
    C[0, :] = 1 / np.sqrt(m)
    C[1:, :] = np.sqrt(2 / m)
    C1 = np.cos(((2 * np.arange(0, m)) + 1) * np.arange(m)[:, None] * pi / (2 * m))#np.cos(((2 * np.arange(0, m)) + 1) * np.arange(m)[:, None] * pi / (2 * m))
    dct = np.dot(np.dot(C1, matrix), C1.T)
    res_dct=np.multiply(np.multiply(dct, C),C.T)
    return  res_dct
 
def calc_image_hash(image, show_results=False):
    if image is None:
        return 0
 
   
    res = cv2.resize(image, (32, 32))
    
    gray = cv2.cvtColor(res, cv2.COLOR_BGR2GRAY)
    
  
    average = np.mean(gray)
 
    dct=dctTransform(gray)
    cut=dct[1:9, 1:9]
    _, bin_img = cv2.threshold(dct, average, 255, cv2.THRESH_BINARY)
 
   
    hash_value = 0
    for i in range(8*8):
        y = i // 8
        x = i % 8
        if bin_img[y, x] > 0:
            hash_value |= 1 << i
 
 
    if show_results:
        cv2.waitKey(0)
 
    return hash_value
 
def calc_hamming_distance(x, y):
    dist = 0
    val = x ^ y
    while val:
        dist += 1
        val &= val - 1
    return dist