要比较同一数组中的元素（图像文件）以寻找相似副本，可以使用图像处理和计算机视觉技术。以下是一个使用Python和OpenCV库的示例代码，用于比较图像文件以寻找相似副本的算法：

import cv2
import numpy as np

def compare_images(image1, image2):
    # 读取图像文件
    img1 = cv2.imread(image1)
    img2 = cv2.imread(image2)

    # 将图像转换为灰度图像
    gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
    gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)

    # 计算图像的直方图特征
    hist1 = cv2.calcHist([gray1], [0], None, [256], [0,256])
    hist2 = cv2.calcHist([gray2], [0], None, [256], [0,256])

    # 比较直方图特征的相似度
    similarity = cv2.compareHist(hist1, hist2, cv2.HISTCMP_CORREL)

    # 返回相似度
    return similarity

# 测试示例
image_file1 = "image1.jpg"
image_file2 = "image2.jpg"

similarity_score = compare_images(image_file1, image_file2)
print("Similarity Score:", similarity_score)

在上述代码中，compare_images函数接受两个图像文件路径作为输入，并返回它们的相似度分数。该函数首先读取图像文件，然后将其转换为灰度图像。接下来，它计算图像的直方图特征，使用cv2.calcHist函数计算每个灰度级的像素数量。最后，使用cv2.compareHist函数比较直方图特征的相似度，返回相似度分数。

你可以将上述代码与你自己的数据集一起使用，以比较同一数组中的所有图像文件，并找到相似的副本。请记住，这只是一个示例算法，你可能需要根据你的具体需求进行修改和优化。