Image Comparison API: Bildähnlichkeit bewerten und doppelte Bilder finden

Vergleichen Sie Bilder nach visueller Ähnlichkeit und erkennen Sie exakte sowie nahezu identische Duplikate über eine einfache HTTP-API. Übergeben Sie ein Quellbild und eine Liste mit Zielbildern – die API gibt pro Vergleich eine Zeile mit einem Ähnlichkeitswert, einer Duplikatbewertung und den Wahrnehmungshash-Distanzen zurück.

Läuft auf dem Image Similarity API Actor auf Apify. Dieses Repository zeigt zwei Wege, ihn zu nutzen: einen Python-Schnellstart und MCP-Installationsschritte für fünf Clients.

Text-Walkthrough

Diese Bildvergleichs-API beantwortet eine Frage: Wie ähnlich sind diese beiden Bilder? Sie übergeben eine sourceImage-URL und eine targetImages-Liste, und jedes Zielbild wird mit einem similarityScore zwischen 0 und 1 zurückgegeben, einem isSimilar-Flag, das an Ihrem threshold gemessen wird, und einem klar formulierten verdict. Unter der Haube laufen zwei unabhängige Methoden: ein CLIP-Vision-Embedding, das den Inhalt versteht und auch ein beschnittenes, umgefärbtes oder neu kodiertes Foto noch erkennt, sowie Perceptual Hashing (pHash und dHash), das günstig ist und Byte-Level-Nahe-Duplikate aufspürt. Setzen Sie comparisonMode auf embedding, phash oder both, je nachdem, welches Signal Sie nutzen möchten. Die Duplikaterkennung ist das, wofür die meisten Nutzer kommen: Geben Sie eine Liste von URLs an, um doppelte Bilder online zu finden, ohne selbst etwas herunterladen zu müssen. Es ist auch der schnellste Weg, zwei Bilder auf Ähnlichkeit zu vergleichen, wenn Sie eine Zahl statt einer subjektiven Einschätzung benötigen – zum Beispiel, um Screenshots mit einer Baseline zu vergleichen und Layout-Änderungen zu melden.

Related MCP server: Vision MCP Server

Schnellstart

uv sync
cp .env.example .env      # paste your Apify token into .env
uv run image-similarity-api-example.py

Holen Sie sich einen kostenlosen Apify-API-Token unter https://apify.com?fpr=9n7kx3 (Konsole, dann Einstellungen, dann API & Integrationen).

Das Beispiel hält jeden Durchlauf klein: ein Quellbild gegen zwei oder drei Zielbilder, sodass Ihr erster Durchlauf fast nichts kostet. Der Actor akzeptiert bis zu 500 Zielbilder pro Durchlauf.

Rezepte

Jedes dieser Rezepte ist ein veröffentlichtes, sofort ausführbares Beispiel im Apify Store. Öffnen Sie eines, drücken Sie Start und lesen Sie die Ausgabe, bevor Sie Code schreiben.

• Bilder via API vergleichen, Ähnlichkeitswerte als JSON

• Zwei Bilder auf Ähnlichkeit vergleichen, prozentuale Bewertung

• Doppelte Bilder online anhand einer URL-Liste finden

• Massenhafter Bild-Hash-Check mit pHash und dHash

• Screenshots mit einer Baseline vergleichen, Änderungen melden

Die ersten drei sind als Funktionen in image-similarity-api-example.py implementiert, sodass Sie sie auch lokal ausführen können.

Planungstipp: Um die Wiederverwendung Ihrer eigenen Fotos zu überwachen, speichern Sie einen Durchlauf als Task mit Ihrem Bild als sourceImage und planen Sie ihn ein. Jeder Durchlauf fügt frische Vergleichszeilen hinzu, sodass Sie eine datierte Spur erhalten, nicht nur eine einzelne Momentaufnahme.

Eingabeparameter

Ausgabefelder

Eine Zeile pro Vergleich.

In Claude Cowork Desktop installieren

Cowork ist der Automatisierungsmodus der Desktop-App. Um ihm die Bildvergleichs-API als Tool zur Verfügung zu stellen, fügen Sie den Apify-MCP-Server als Connector hinzu.

1. Öffnen Sie die Claude-Desktop-App und gehen Sie zu Einstellungen > Connectors (oder Einstellungen > Entwickler > Config bearbeiten, um claude_desktop_config.json direkt zu bearbeiten).

   • macOS: ~/Library/Application Support/Claude/claude_desktop_config.json

   • Windows: %APPDATA%\Claude\claude_desktop_config.json

2. Fügen Sie den Apify-MCP-Server hinzu, der nur mit diesem Actor vorinstalliert ist:

{
  "mcpServers": {
    "apify": {
      "command": "npx",
      "args": [
        "-y",
        "mcp-remote",
        "https://mcp.apify.com/?tools=actors,docs,johnvc/image-similarity-api"
      ]
    }
  }
}

3. Starten Sie die App neu. Wenn Cowork das Tool zum ersten Mal aufruft, schließen Sie den OAuth-Dialog in Ihrem Browser ab, oder fügen Sie Ihren Apify-API-Token in den Connector-Einstellungen hinzu, um OAuth zu überspringen.

4. Fragen Sie in einem Cowork-Chat, ob das Tool verfügbar ist, und bitten Sie es, die Bildvergleichs-API auszuführen.

Laden Sie die Desktop-App herunter und starten Sie eine kostenlose Testversion: https://claude.ai/referral/uIlpa7nPLg Weitere Hilfe: https://docs.apify.com/platform/integrations/claude-desktop

In Claude Code installieren

Claude Code ist das Kommandozeilen-Tool. Fügen Sie den MCP-Server des Actors mit einem Befehl hinzu:

claude mcp add --transport http apify \
  "https://mcp.apify.com/?tools=actors,docs,johnvc/image-similarity-api"

Um einen Token anstelle von Browser-OAuth zu verwenden:

claude mcp add --transport http apify \
  "https://mcp.apify.com/?tools=actors,docs,johnvc/image-similarity-api" \
  --header "Authorization: Bearer YOUR_APIFY_TOKEN"

Überprüfen Sie dann mit claude mcp list oder führen Sie /mcp innerhalb einer Sitzung aus. Bitten Sie Claude Code, die Bildvergleichs-API aufzurufen.

Testen Sie Claude Code kostenlos: https://claude.ai/referral/uIlpa7nPLg Claude Code MCP-Dokumentation: https://code.claude.com/docs/en/mcp

In Claude (Website) installieren

Auf claude.ai fügen Sie Apify als Connector hinzu und aktivieren dann nur das Tool dieses Actors.

1. Gehen Sie zu Einstellungen > Connectors > Connectors durchsuchen und suchen Sie nach Apify MCP server. Installieren Sie es (aktivieren oder aktualisieren Sie, falls erforderlich).

2. Authentifizieren Sie sich bei der Verbindung mit Ihrem Apify-API-Token und aktivieren Sie das Tool johnvc/image-similarity-api.

3. Öffnen Sie in einem beliebigen Chat + > Connectors und schalten Sie Apify ein.

4. Alternativ wählen Sie Benutzerdefinierten Connector hinzufügen und fügen die vollständige MCP-URL https://mcp.apify.com/?tools=actors,docs,johnvc/image-similarity-api ein, wobei Sie bei Aufforderung OAuth verwenden.

5. Bitten Sie Claude, die Bildvergleichs-API auszuführen.

Öffnen Sie Claude im Web: https://claude.ai

In Cursor installieren

Cursor liest MCP-Server aus einer Projektdatei unter .cursor/mcp.json.

1. Erstellen Sie in Ihrem Projekt .cursor/mcp.json:

{
  "mcpServers": {
    "apify": {
      "url": "https://mcp.apify.com/?tools=actors,docs,johnvc/image-similarity-api"
    }
  }
}

2. Wenn Sie Token-Authentifizierung gegenüber Browser-OAuth bevorzugen, fügen Sie einen Header hinzu:

{
  "mcpServers": {
    "apify": {
      "url": "https://mcp.apify.com/?tools=actors,docs,johnvc/image-similarity-api",
      "headers": { "Authorization": "Bearer YOUR_APIFY_TOKEN" }
    }
  }
}

3. Öffnen Sie Cursor > Einstellungen > MCP und bestätigen Sie, dass der apify-Server verbunden ist (grüner Punkt).

4. Bitten Sie in Composer oder Chat Cursor, die Bildvergleichs-API aufzurufen.

Neu bei Cursor? Hier herunterladen: https://cursor.com/referral?code=XQP4VBLI3NNX

In ChatGPT installieren

ChatGPT verbindet sich über den Entwicklermodus mit dem Apify-MCP-Server (verfügbar für ChatGPT Pro, Plus, Business, Enterprise und Education Pläne).

1. Klicken Sie auf Ihr Profilsymbol, dann gehen Sie zu Einstellungen > Apps. Wenn Sie keinen App erstellen-Button sehen, öffnen Sie Erweiterte Einstellungen und aktivieren Sie Entwicklermodus.

2. Klicken Sie auf App erstellen und füllen Sie das Formular aus:

   • Name: Apify

   • MCP-Server-URL: https://mcp.apify.com/?tools=actors,docs,johnvc/image-similarity-api

   • Authentifizierung: OAuth

3. Klicken Sie auf Erstellen und autorisieren Sie die Verbindung mit Apify.

4. Um die App in einem Gespräch zu verwenden, klicken Sie auf + im Chat, wählen Sie Entwicklermodus und dann Apify.

Weitere Hilfe: https://docs.apify.com/platform/integrations/mcp

FAQ

Wie vergleiche ich zwei Bilder auf Ähnlichkeit? Übergeben Sie ein sourceImage und einen Eintrag in targetImages, und lesen Sie dann similarityScore. Es ist eine Zahl zwischen 0 und 1, also bedeutet 0,97, dass das Paar mit hoher Wahrscheinlichkeit dasselbe Bild ist. Setzen Sie threshold auf den gewünschten Grenzwert, und der Actor setzt isSimilar für Sie.

Was ist der Unterschied zwischen dem Embedding-Score und pHash? Das Embedding ist ein CLIP-Vision-Modell: Es vergleicht, was im Bild zu sehen ist, sodass es auch nach einem Beschnitt, einer Größenänderung, einer Umfärbung oder einer Neukodierung noch eine Übereinstimmung erkennt. Perceptual Hashing vergleicht den visuellen Fingerabdruck der Pixel und ist sehr günstig, aber eine starke Bearbeitung zerstört die Übereinstimmung. Die Ausführung von both liefert einen semantischen Score und eine Duplikat-Distanz in derselben Zeile.

Wie finde ich doppelte Bilder online anhand einer URL-Liste? Setzen Sie das gewünschte Bild in sourceImage, die Kandidaten in targetImages und führen Sie den Actor im Modus both aus. Zeilen, in denen isNearDuplicate wahr ist, sind Byte-Level-Kopien; Zeilen mit einem hohen similarityScore aber einer großen Hash-Distanz sind bearbeitete oder neu kodierte Kopien.

Kann ich dies als Bildrechte-Prüfer verwenden? Sie können es für den Erkennungsteil dieser Aufgabe nutzen. Geben Sie Ihr Originalfoto und eine Liste von Seiten an, auf denen Sie vermuten, dass das Bild wiederverwendet wurde, und die API teilt Ihnen mit, welche dieser Bilder übereinstimmen und wie genau. Sie trifft keine rechtliche Bewertung und durchsucht nicht selbst das Web; Sie liefern die Kandidaten-URLs.

Funktioniert es zum Vergleichen von Screenshots? Ja, das ist eine häufige Verwendung. Halten Sie einen Baseline-Screenshot als Quelle, vergleichen Sie jede neue Aufnahme damit und alarmieren Sie, wenn der Wert unter Ihren Schwellwert fällt. Die Hash-Distanz ist in der Regel das empfindlichere Signal für kleine Layout-Änderungen.

Was ist Perceptual Hashing? Ein Perceptual Hash reduziert ein Bild auf einen kurzen Fingerabdruck, sodass visuell ähnliche Bilder ähnliche Fingerabdrücke erzeugen. Sie vergleichen zwei Hashes, indem Sie zählen, wie viele Bits sich unterscheiden – das ist die Distanz, die dieser Actor als phashDistance und dhashDistance zurückgibt. Anders als eine Prüfsumme ändert ein verändertes Pixel nicht die gesamte Antwort.

Was passiert, wenn ein Bild nicht geladen wird? Dieses Ziel wird als eigene Zeile mit einer errorMessage zurückgegeben, und der Rest des Runs läuft weiter. Eine tote URL bringt nie den gesamten Job zu Fall.

Was kostet ein Run? Die Preise finden Sie auf der Actor-Seite; abgerechnet wird pro Vergleich, zehn Ziele kosten also zehn Einheiten. Der Hash-only-Modus ist der günstigere Weg, wenn Sie den Modell-Score nicht benötigen. Prüfen Sie die aktuellen Preise dort, statt einer Zahl, die in ein README kopiert wurde.

Andere Nutzer suchen auch nach

Bildvergleichs-API, Bildähnlichkeits-API, doppelte Bilder finden, Bildduplikat-Finder, zwei Bilder auf Ähnlichkeit vergleichen, phash, perzeptives Hashing, Bild-Urheberrechtsprüfer, Screenshots vergleichen, Bild-Deduplizierung, KI-Bildvergleich, doppelte Fotos finden, Bild-Hash-Prüfung, visuelle Ähnlichkeitssuche

Mehr

• Actor im Apify Store: https://apify.com/johnvc/image-similarity-api?fpr=9n7kx3

• Kostenloses Apify-Konto: https://apify.com?fpr=9n7kx3

• Apify-Python-Client-Dokumentation: https://docs.apify.com/api/client/python/

• Apify-MCP-Dokumentation: https://docs.apify.com/platform/integrations/mcp

• uv: https://docs.astral.sh/uv/

Zuletzt aktualisiert: 2026.08.18