首页 > 美文鉴赏

直方图对比（两个直方图的相似性如何度量）

更新时间:2023-07-20 18:07:54 阅读：评论：0

直⽅图对⽐（两个直⽅图的相似性如何度量）本⽂档尝试解答如下问题:

如何使⽤OpenCV函数产⽣⼀个表达两个直⽅图的相似度的数值。

英语句子积累如何使⽤不同的对⽐标准来对直⽅图进⾏⽐较。

原理

要⽐较两个直⽅图( and ), ⾸先必须要选择⼀个衡量直⽅图相似度的对⽐标准 () 。

OpenCV 函数执⾏了具体的直⽅图对⽐的任务。该函数提供了4种对⽐标准来计算相似度：

1. Correlation ( CV_COMP_CORREL )

柴进绰号其中

是直⽅图中bin的数⽬。

2. Chi-Square ( CV_COMP_CHISQR )

3. Interction ( CV_COMP_INTERSECT )

4. Bhattacharyya 距离( CV_COMP_BHATTACHARYYA )

源码

本程序做什么?

装载⼀张基准图像和两张测试图像进⾏对⽐。

产⽣⼀张取⾃基准图像下半部的图像。

将图像转换到HSV格式。

计算所有图像的H-S直⽅图，并归⼀化以便对⽐。

将基准图像直⽅图与两张测试图像直⽅图，基准图像半⾝像直⽅图，以及基准图像本⾝的直⽅图分别作对⽐。

显⽰计算所得的直⽅图相似度数值。

下载代码: 点击

代码⼀瞥:

小学生教育电影#include "opencv2/highgui/highgui.hpp"

#include "opencv2/imgproc/imgproc.hpp"

#include <iostream>

#include <stdio.h>

using namespace std;

using namespace cv;

/** @函数 main */

int main( int argc, char** argv )

{

Mat src_ba, hsv_ba;

Mat src_test1, hsv_test1;

Mat src_test2, hsv_test2;

Mat hsv_half_down;

/// 装载三张背景环境不同的图像

if( argc < 4 )

{ printf("** Error. Usage: ./compareHist_Demo <image_ttings0> <image_tting1> <image_ttings2>\n");

return -1;

}

src_ba = imread( argv[1], 1 );

src_test1 = imread( argv[2], 1 );

src_test2 = imread( argv[3], 1 );

/// 转换到 HSV

cvtColor( src_ba, hsv_ba, CV_BGR2HSV );

cvtColor( src_test1, hsv_test1, CV_BGR2HSV );

cvtColor( src_test2, hsv_test2, CV_BGR2HSV );

hsv_half_down = hsv_ba( Range( ws/2, ws - 1 ), Range( 0, ls - 1 ) );

/// 对hue通道使⽤30个bin，对saturatoin通道使⽤32个bin

int h_bins = 50; int s_bins = 60;

int histSize[] = { h_bins, s_bins };

// hue的取值范围从0到256, saturation取值范围从0到180

float h_ranges[] = { 0, 256 };

float s_ranges[] = { 0, 180 };

const float* ranges[] = { h_ranges, s_ranges };

// 使⽤第0和第1通道

int channels[] = { 0, 1 };

/// 直⽅图

MatND hist_ba;

MatND hist_half_down;

MatND hist_test1;

MatND hist_test2;

/// 计算HSV图像的直⽅图

calcHist( &hsv_ba, 1, channels, Mat(), hist_ba, 2, histSize, ranges, true, fal );

normalize( hist_ba, hist_ba, 0, 1, NORM_MINMAX, -1, Mat() );

calcHist( &hsv_half_down, 1, channels, Mat(), hist_half_down, 2, histSize, ranges, true, fal );

normalize( hist_half_down, hist_half_down, 0, 1, NORM_MINMAX, -1, Mat() );

calcHist( &hsv_test1, 1, channels, Mat(), hist_test1, 2, histSize, ranges, true, fal );

normalize( hist_test1, hist_test1, 0, 1, NORM_MINMAX, -1, Mat() );

calcHist( &hsv_test2, 1, channels, Mat(), hist_test2, 2, histSize, ranges, true, fal );

normalize( hist_test2, hist_test2, 0, 1, NORM_MINMAX, -1, Mat() );

///应⽤不同的直⽅图对⽐⽅法

永不消逝的番号for( int i = 0; i < 4; i++ )

{ int compare_method = i;

double ba_ba = compareHist( hist_ba, hist_ba, compare_method );

double ba_half = compareHist( hist_ba, hist_half_down, compare_method );

double ba_test1 = compareHist( hist_ba, hist_test1, compare_method );

double ba_test2 = compareHist( hist_ba, hist_test2, compare_method );

printf( " Method [%d] Perfect, Ba-Half, Ba-Test(1), Ba-Test(2) : %f, %f, %f, %f \n", i, ba_ba, ba_half , ba_test1, ba_test2 ); }

printf( "Done \n" );

return 0;

}

解释

1. 声明储存基准图像和另外两张对⽐图像的矩阵( RGB 和 HSV )