OpenCV统计应用-直方图比较
cvCompareHist(),是比较两个统计直方图的分布,总共有四个方法,被定义如下：
#define CV_COMP_CORREL 0
#define CV_COMP_CHISQR 1
#define CV_COMP_INTERSECT 2
#define CV_COMP_BHATTACHARYYA 3
而这些方法分别为相关系数,卡方,交集法以及在做常态分布比对的Bhattacharyya距离,这些方法都是用来做统计直方图的相似度比较的方法,而且,都是根据统计学的概念,这边就简单的拿来用灰阶统计直方图来比较,而这部份的比较方式,是由图形的色彩结构来着手,下面就简单的用三种情况来分析它们距离比较的方式
直方图比较实作
#include <cv.h>
#include <highgui.h>
#include <stdio.h>
胡辣汤怎么做#include <stdlib.h>
int HistogramBins = 256;
脖子的英文float HistogramRange1[2]={0分开的理由,255};
float *HistogramRange[1]={&HistogramRange1[0]};
int main()
{
IplImage *Image1=cvLoadImage("RiverBank.jpg",0);
IplImage *Image2=cvLoadImage("DarkClouds.jpg",0六月雪盆景);
CvHistogram *Histogram1=cvCreateHist(1,&HistogramBins,CV_HIST_ARRAY,HistogramRange);
CvHistogram *Histogram2=cvCreateHist(1,&HistogramBins,CV_HIST_ARRAY,Histogr
amRange);
cvCalcHist(&Image1,Histogram1);
cvCalcHist(&仓库管理员职责Image2,Histogram2);
cvNormalizeHist(Histogram1,1);
cvNormalizeHist(Histogram2,1);
printf("CV_COMP_CORREL : %.4f\n",cvCompareHist(Histogram1,Histogram2,CV_COMP_CORREL));
printf("CV_COMP_CHISQR : %.4f\n",cvCompareHist(Histogram1,Histogram2,CV_COMP_CHISQR));
printf("CV_COMP_INTERSECT : %.4f\n",cvCompareHist(Histogram1,Histogram2,CV_COMP_INTERSECT));
printf("CV_COMP_BHATTACHARYYA : %.4f\n",cvCompareHist(Histogram1,Histogram
2,CV_COMP_BHATTACHARYYA));
cvNamedWindow("Image1",1);
cvNamedWindow("Image2",1);
cvShowImage("Image1",Image1);
cvShowImage("Image2",Image2);
cvWaitKey(0);
}
原始图片应聘工作:
藤萝花
执行结果:
(1)RiverBank.jpg & DarkClouds.jpg
Output:
CV_COMP_CORREL : -0.1407
CV_COMP_CHISQR : 0.6690
CV_COMP_INTERSECT : 0.4757
CV_COMP_BHATTACHARYYA : 0.4490
(2)RiverBank.jpg & RiverBank.jpg
Output:
CV_COMP_CORREL : 1
CV_COMP_CHISQR : 0
CV_COMP_INTERSECT : 1
CV_COMP_BHATTACHARYYA : 0
(3)Black.jpg & White.jpg
Output:
CV_COMP_CORREL : 1
CV_COMP_CHISQR : 1
CV_COMP_INTERSECT : 0
CV_COMP_BHATTACHARYYA : 1
这边的直方图比较,则是将它们的统计直方图用cvNormalizeHist()正规化成1,在由正规化的统计分布来做直方图的比较,从上面的输出结果可以推测出,卡方法以及Bhattacharyya是数
值越小图形越相似,而相关系数则是看图形的分布程度,梦见鸡肉因此第三个Black.jpg&White.jpg所显示相关系数的结果才会是1,这边的图形比较用的是统计学的方法,而一般的比较方式还有欧几里德距离的方式,在这个cvCompareHist()的函式,也可以实作出多通道的多维度直方图比较,而且支持CV_HIST_ARRAY及CV_HIST_SPARSE这两种直方图数据结构的格式,而这些比对方法的相关公式如下
相关系数法
而它的公式推导如下
再来是卡方的方式
这边的卡方法跟一般的卡方检定不太一样,下面是一般适合度检定(Goodness of fit test)的公式
o为观察者次数,e为期望值次数
交集的方式就比较简单了,两个直方图取最小的做累加
再来就是常态分配比对的Bhattacharyya距离
