Dubbele foto's vinden op je pc met een hash-vergelijking

Dubbele foto's vinden op mijn pc via hash is een van de meest betrouwbare manieren om écht identieke bestanden op te sporen zonder urenlang te moeten kijken naar bestandsnamen of miniaturen. Na verloop van tijd verzamelen zich op een laptop of externe schijf kopieën van dezelfde foto's via WhatsApp, e-mail, cloud-sync, camera-import en handmatige backups. Vaak hebben die kopieën een andere naam, een andere map of zelfs een ander formaat terwijl de inhoud byte voor byte gelijk is. Visuele vergelijking werkt niet schaalbaar en vergelijken op bestandsnaam of grootte is onbetrouwbaar, omdat twee verschillende foto's toevallig dezelfde grootte kunnen hebben of dezelfde foto een andere naam kan krijgen bij herimport. Een hash verandert dat. Een hash is een wiskundige vingerafdruk van de volledige inhoud. Wijzigt één bit, dan verandert de hash volledig. Dat maakt hash-controle ideaal om te bepalen of twee bestanden exact dezelfde data bevatten, ongeacht waar ze staan of hoe ze heten. Voor foto's betekent dit dat je in één keer alle exacte duplicaten kunt opsporen, een lijst kunt maken en gericht kunt opruimen zonder risico dat je per ongeluk een unieke variant verwijdert. In de praktijk wordt hiervoor meestal SHA-256 gebruikt, soms in combinatie met MD5 voor snelheid, en CRC32 voor een snelle eerste screening. De kern is dat je niet kijkt naar wat je ziet, maar naar wat er daadwerkelijk op schijf staat.

Naam en grootte liegen. Twee foto's kunnen er identiek uitzien maar toch verschillen door metadata, compressie of een kleine bewerking. Omgekeerd kunnen twee totaal verschillende foto's dezelfde bestandsnaam en grootte hebben.

Een hash is geen mening, het is een berekening. SHA-256 levert een 64-tekens lange hexadecimale string die praktisch uniek is voor de inhoud. MD5 is korter en sneller, maar kent bekende botsingsrisico's, waardoor het in forensische en compliance-contexten meestal als secundaire check wordt gebruikt. CRC32 is nog sneller en wordt vaak in archieven gebruikt om transmissiefouten te detecteren, maar is niet sterk genoeg als bewijs van identiteit. Voor het vinden van dubbele foto's op je pc is de combinatie van bestandsinhoud en een sterke hash dus het uitgangspunt. Je berekent de hash van elk bestand, groepeert bestanden met dezelfde hash en weet dan zeker dat de binaire data identiek is. Dat is iets anders dan visuele gelijkheid. Een foto die is bijgesneden, opnieuw geëxporteerd met een andere kwaliteit of waarvan de EXIF-data is aangepast, krijgt een andere hash, ook al lijkt hij voor het blote oog hetzelfde. Dat is precies de kracht van de methode: je vindt alleen echte duplicaten, geen near-duplicates. Voor forensisch gebruik is het belangrijk om te beseffen dat een hash technisch bewijs levert over identiteit van data, niet over herkomst, auteursrecht of legaliteit. De hash documenteert of bestanden gelijk zijn, niet wie ze heeft gemaakt of of ze mogen worden verwijderd.

EXIF, GPS en andere metadata zitten gewoon in de bestandspayload. Verwijder je die, dan verandert de hash.

Op Windows kun je zonder extra software al een eerste hash-check doen met PowerShell. Een eenvoudige manier is om Get-FileHash te gebruiken voor een map met foto's. Je kunt bijvoorbeeld alle JPG en PNG bestanden recursief ophalen, de SHA-256 berekenen en de resultaten exporteren naar een CSV zodat je ze kunt sorteren op hash-waarde. Vervolgens filter je op hashes die vaker dan één keer voorkomen en zie je meteen welke paden dezelfde inhoud delen. Een voorbeeldworkflow is om eerst een lijst te maken van bestanden met hun relatieve pad, grootte en hash, daarna