在项目中，需要比对两个界面的相似度，进行相应的操作。
哈希算法
比对两个界面相似度。在 uiautimator 中可以 dump 当前界面的信息，可以转换为一个 AccessibilityNodeInfo 列表。
这个比较初级，采用双层 for 循环来比对数据，数据量越大，时间复杂度越高：f(n!)， 我们可以增加哈希算法在遍历之前来比对字符串，减少代码执行次数。
但是上面这种算法太精准了， AccessibilityNodeInfo 里面有坐标的值， 有 id, 比对太精准了，稍微有点不同，就认为它是条不同的数据，所以我们来看下面一种算法。
感知哈希算法
感知哈希算法就是针对每一张图片生成一个指纹字符串， 比对这两个字符串，结果越相近，图片越相似。
Implement
实现步骤
steps
- 把图片缩小到 8*8尺寸，也就是总共64 像素
- 将当前的RGB图片转换为灰度图片，这个时候，图片只保留了图片的结构， 明暗等信息。
这里采用 RGB 三原色码 0.3* R + 0.6 * G + 0.1 * B 比例计算的
这里有一个不错的文章 RGB 转灰度图
计算公式有很多，我们这里用 Gray = R0.299 + G0.587 + b*0.114 这个公式就可以了。
- 计算位图64个像素的平均灰度值
-
我们重新遍历位图，每个灰度值和平均灰度值进行比对， 大于等于平均灰度值为1， 小于平均灰度值为0，这样就会生成一个64位的数值。
-
计算哈希值，这样生成的一个数值，就是每张图片的指纹
- 通过比对上面的指纹字符创，计算图片的相似度
diffNum 就是我们要获取的两张图片的相似度， diffNum< 5 图片很相似 diffNum > 10 图片完全不同。
我们可以在界面变换之前和之后，通过 uiautimator 截屏来判断操作前后的两张图片是否变换了，通过最后的相似度的值来进行相应的操作。
上图是运行结果的图片
灰色图片是 8*8 像素的位图的灰度图片
上图第一行就是和平均值比对的64位结果， 第二行位哈希值，也就是图片指纹。
参考文献
参考代码：
转载自 360质量效能