文章目录
- 直方图比较的目的
- 相关性计算 (CV_COMP_CORREL)
- 卡方计算 (CV_COMP_CHISQR)
- 十字计算(CV_COMP_INTERSECT)
- 巴氏距离计算 (CV_COMP_BHATTACHARYYA )
- compareHist 直方图比较算子
- 示例
直方图比较的目的
直方图比较的目的是衡量两幅图像之间的相似度或差异度。通过计算图像的颜色直方图并对其进行归一化处理,可以得到描述图像颜色分布的特征向量。然后,通过比较这些特征向量,我们可以评估两幅图像在颜色分布上的相似程度。
在计算直方图相似度时,常用的方法包括交叉相关性(Correlation)、卡方(Chi-Square)、巴氏距离(Bhattacharyya distance)等。这些方法可以帮助我们量化图像之间的相似性,从而在图像检索、匹配和分类等领域发挥重要作用。
在图像处理中,使用色调(Hue)和饱和度(Saturation)来计算直方图是一种常见的做法,主要有以下几个原因:颜色信息较为重要:色调和饱和度包含了图像中的颜色信息,而亮度(Value)通道往往受光照等因素影响较大,不太适合用于颜色分布的比较。计算效率高:计算二维色调-饱和度直方图相对计算三维色调-饱和度-亮度直方图更为高效,可以降低计算复杂度。颜色差异明显:色调和饱和度能够有效地表现不同颜色之间的差异,对于许多图像分析和检索任务已经足够。
相关性计算 (CV_COMP_CORREL)
卡方计算 (CV_COMP_CHISQR)
十字计算(CV_COMP_INTERSECT)
巴氏距离计算 (CV_COMP_BHATTACHARYYA )
compareHist 直方图比较算子
compareHist(
InputArray h1, // 直方图数据,下同
InputArray H2,
int method// 比较方法,上述四种方法之一
)
示例
#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>using namespace std;
using namespace cv;string convertToString(double d);int main(int argc, char** argv) {// 读取图像Mat base, test1, test2;Mat hsvbase, hsvtest1, hsvtest2;base = imread("D:/vcprojects/images/test.jpg");if (!base.data) {printf("could not load image...\n");return -1;}test1 = imread("D:/vcprojects/images/lena.png");test2 = imread("D:/vcprojects/images/lenanoise.png");// 转换为HSV格式cvtColor(base, hsvbase, CV_BGR2HSV);cvtColor(test1, hsvtest1, CV_BGR2HSV);cvtColor(test2, hsvtest2, CV_BGR2HSV);// 设置直方图参数int h_bins = 50; // 色调(Hue)分组数量int s_bins = 60; // 饱和度(Saturation)分组数量int histSize[] = { h_bins, s_bins }; // 直方图的 bin 数量,二维直方图float h_ranges[] = { 0, 180 }; // 色调取值范围float s_ranges[] = { 0, 256 }; // 饱和度取值范围const float* ranges[] = { h_ranges, s_ranges }; // 取值范围数组int channels[] = { 0, 1 }; // 要计算直方图的通道// 计算直方图MatND hist_base;MatND hist_test1;MatND hist_test2;calcHist(&hsvbase, 1, channels, Mat(), hist_base, 2, histSize, ranges, true, false);normalize(hist_base, hist_base, 0, 1, NORM_MINMAX, -1, Mat());calcHist(&hsvtest1, 1, channels, Mat(), hist_test1, 2, histSize, ranges, true, false);normalize(hist_test1, hist_test1, 0, 1, NORM_MINMAX, -1, Mat());calcHist(&hsvtest2, 1, channels, Mat(), hist_test2, 2, histSize, ranges, true, false);normalize(hist_test2, hist_test2, 0, 1, NORM_MINMAX, -1, Mat());// 计算直方图相似度double basebase = compareHist(hist_base, hist_base, CV_COMP_INTERSECT);double basetest1 = compareHist(hist_base, hist_test1, CV_COMP_INTERSECT);double basetest2 = compareHist(hist_base, hist_test2, CV_COMP_INTERSECT);double tes1test2 = compareHist(hist_test1, hist_test2, CV_COMP_INTERSECT);printf("test1 compare with test2 correlation value :%f", tes1test2);// 在图像上显示相似度值Mat test12;test2.copyTo(test12);putText(base, convertToString(basebase), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA);putText(test1, convertToString(basetest1), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA);putText(test2, convertToString(basetest2), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA);putText(test12, convertToString(tes1test2), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA);// 创建窗口并显示图像namedWindow("base");namedWindow("test1");namedWindow("test2");namedWindow("test12");imshow("base", base);imshow("test1", test1);imshow("test2", test2);imshow("test12", test12);waitKey(0);return 0;
}// 将double类型转换为字符串
string convertToString(double d) {ostringstream os;if (os << d)return os.str();return "invalid conversion";
}