更新代码

internal/vision/hash.go

@@ -7,11 +7,17 @@ import (
 	"golang.org/x/image/draw"
 )
 
+// detailSize 是细节网格的边长。相比 8×8 的感知哈希，这份高分辨率灰度
+// 网格专门用来捕捉"布局没变、只是文字/局部内容变了"这类细粒度变化——
+// 题目换了但背景一样时，粗哈希几乎不动，细节网格的平均差却会明显跳变。
+const detailSize = 64
+
 // Fingerprint 是用于判断"画面有没有变化"的感知哈希。
 type Fingerprint struct {
-	AHash uint64 // 均值哈希
-	DHash uint64 // 差分哈希
-	Mean  uint8  // 平均亮度
+	AHash  uint64 // 均值哈希（8×8，抗噪、粗筛）
+	DHash  uint64 // 差分哈希（8×8，抗噪、粗筛）
+	Mean   uint8  // 平均亮度
+	Detail []byte // 细节灰度网格（detailSize×detailSize），用于细粒度内容差
 }
 
 // grayGrid 把图像缩放到 w×h 的灰度图。
@@ -55,7 +61,13 @@ func Of(img image.Image) Fingerprint {
 		}
 	}
 
-	return Fingerprint{AHash: aHash, DHash: dHash, Mean: mean}
+	// 细节网格：把画面缩到 detailSize×detailSize 的灰度图，
+	// 用于和上一帧做逐像素的归一化平均差（MAD），比感知哈希灵敏得多。
+	detailGrid := grayGrid(img, detailSize, detailSize)
+	detail := make([]byte, len(detailGrid.Pix))
+	copy(detail, detailGrid.Pix)
+
+	return Fingerprint{AHash: aHash, DHash: dHash, Mean: mean, Detail: detail}
 }
 
 // Distance 返回两个指纹的汉明距离（取两种哈希的较大值，偏向灵敏）。
@@ -63,12 +75,39 @@ func (f Fingerprint) Distance(o Fingerprint) int {
 	return max(bitsSet(f.AHash^o.AHash), bitsSet(f.DHash^o.DHash))
 }
 
+// DetailDiff 返回两份细节网格的归一化平均绝对差（0~1）。
+// 它衡量"逐像素平均变了多少"，对文字替换、局部内容更新这类变化远比对
+// 比哈希敏感，是提升画面更新识别灵敏度的主力信号。
+func (f Fingerprint) DetailDiff(o Fingerprint) float64 {
+	a, b := f.Detail, o.Detail
+	if len(a) == 0 || len(b) == 0 || len(a) != len(b) {
+		return 0
+	}
+	var sum int
+	for i := range a {
+		d := int(a[i]) - int(b[i])
+		if d < 0 {
+			d = -d
+		}
+		sum += d
+	}
+	return float64(sum) / (float64(len(a)) * 255.0)
+}
+
 // Changed 判断画面是否发生了足以触发提问的变化。
-func (f Fingerprint) Changed(o Fingerprint, threshold int) bool {
+// 任一信号超过阈值即判定为变化：感知哈希（抗噪粗筛）命中，或细节网格的
+// 归一化平均差超过 sensitivity（细粒度内容变化）。
+func (f Fingerprint) Changed(o Fingerprint, threshold int, sensitivity float64) bool {
 	if threshold <= 0 {
 		threshold = 5
 	}
-	return f.Distance(o) > threshold
+	if sensitivity <= 0 {
+		sensitivity = 0.01
+	}
+	if f.Distance(o) > threshold {
+		return true
+	}
+	return f.DetailDiff(o) > sensitivity
 }
 
 func bitsSet(v uint64) int {

internal/vision/hash_test.go

@@ -24,7 +24,7 @@ func TestFingerprintIdentical(t *testing.T) {
 	if d := Of(a).Distance(Of(b)); d != 0 {
 		t.Fatalf("相同画面应无差异，实际距离 %d", d)
 	}
-	if Of(a).Changed(Of(b), 5) {
+	if Of(a).Changed(Of(b), 5, 0.01) {
 		t.Fatal("相同画面不应判定为变化")
 	}
 }
@@ -37,11 +37,27 @@ func TestFingerprintDetectsChange(t *testing.T) {
 			changed.SetGray(x, y, color.Gray{Y: 250})
 		}
 	}
-	if !Of(changed).Changed(Of(base), 5) {
+	if !Of(changed).Changed(Of(base), 5, 0.01) {
 		t.Fatal("右半边变白应被判定为变化")
 	}
 }
 
+func TestFingerprintDetectsSubtleLocalChange(t *testing.T) {
+	// 整块画面背景一致，只有一小块文字/内容变了：8×8 感知哈希会被平均掉，
+	// 但高分辨率细节网格的归一化平均差能可靠捕捉到。这正是"题目变了却检测
+	// 不出来"这类问题的修复目标。
+	base := solid(256, 256, color.Gray{Y: 200})
+	changed := solid(256, 256, color.Gray{Y: 200})
+	for y := 40; y < 90; y++ {
+		for x := 40; x < 90; x++ {
+			changed.SetGray(x, y, color.Gray{Y: 20})
+		}
+	}
+	if !Of(changed).Changed(Of(base), 5, 0.01) {
+		t.Fatal("局部小区域变化应被细节网格判定为变化")
+	}
+}
+
 func TestEncodeJPEGResizesLongEdge(t *testing.T) {
 	src := solid(2000, 400, color.Gray{Y: 128})
 	raw, err := EncodeJPEG(src, 1280, 75)