opencv之直方图比较图像相似度

对输入的两张图像计算得到直方图H1与H2,归一化到相同的尺度空间
然后可以通过计算H1与H2的之间的距离得到两个直方图的相似程度进
而比较图像本身的相似程度。Opencv提供的比较方法有四种:
Correlation 相关性比较
Chi-Square 卡方比较
Intersection 十字交叉性

Bhattacharyya distance 巴氏距离

(1)相关性计算(CV_COMP_CORREL)

opencv之直方图比较图像相似度_第1张图片,其中:

(2)卡方计算(CV_COMP_CHISQR)


(3)十字计算(CV_COMP_INTERSECT)


(4)巴氏距离计算(CV_COMP_BHATTACHARYYA )


相关操作流程:

首先把图像从 RGB 色彩空间转换到 HSV 色彩空间: cvtColor
计算图像的直方图,然后归一化到 [0~1] 之间: calcHist、 normalize;
使用上述四种比较方法之一进行比较: compareHist

API介绍:

compareHist(

InputArray h1, // 直方图数据1

InputArray H2,//直方图数据2

int method// 比较方法,上述四种方法之一

)//返回一个double类型的数据。

以下是代码演示:

#include
#include
#include


using namespace std;
using namespace cv;


//由于opencv不支持double类型到string类型转换,所以借助这个函数进行实现。
string convertToString(double d);
int main(int argc, char** argv) {
Mat base, test1, test2;
Mat hsvbase, hsvtest1, hsvtest2;
base = imread("D:/photo/4.jpg");
if (!base.data) {
printf("could not load image...\n");
return -1;
}
test1 = imread("D:/photo/8.jpg");
test2 = imread("D:/photo/9.jpg");
//图像转换到HSV空间进行比较
cvtColor(base, hsvbase, CV_BGR2HSV);
cvtColor(test1, hsvtest1, CV_BGR2HSV);
cvtColor(test2, hsvtest2, CV_BGR2HSV);
//设定直方图需要相关参数
int h_bins = 50; int s_bins = 60; int v_bins = 60;     
int histSize[] = { h_bins, s_bins, v_bins};
// hue varies from 0 to 179, saturation from 0 to 255     
float h_ranges[] = { 0, 180 };  //色调H用角度度量,取值范围为0°~360°,从红色开始按逆时针方向计算,红色为0°,绿色为120°,蓝色为240°。它们的补色是:黄色为60°,青色为180°,品红为300°;   
float s_ranges[] = { 0, 256 };
float v_ranges[] = { 0, 256 };
const float* ranges[] = { h_ranges, s_ranges, v_ranges};
// Use the o-th and 1-st channels     
int channels[] = {0 , 1};//比较H和S通道直方图,由于函数只能最多比较2维直方图,所以需要进行选择。
//int channels[] = { 1, 2};//比较S和V通道直方图
//int channels[] = {0};//只比较第一个H通道的直方图选择。
//新建多维度Mat类型变量
MatND hist_base;
MatND hist_test1;
MatND hist_test2;
//进行直方图提取以及归一化计算
calcHist(&hsvbase, 1,  channels, Mat(), hist_base, 1, histSize, ranges, true, false);
normalize(hist_base, hist_base, 0, 1, NORM_MINMAX, -1, Mat());


calcHist(&hsvtest1, 1, channels, Mat(), hist_test1, 1, histSize, ranges, true, false);
normalize(hist_test1, hist_test1, 0, 1, NORM_MINMAX, -1, Mat());


calcHist(&hsvtest2, 1, channels, Mat(), hist_test2, 1, histSize, ranges, true, false);
normalize(hist_test2, hist_test2, 0, 1, NORM_MINMAX, -1, Mat());
//进行直方图比较,分别列出了几个不同的类型
double basebase = compareHist(hist_base, hist_base, 0);
double basetest1 = compareHist(hist_base, hist_test1, 1);
double basetest2 = compareHist(hist_base, hist_test2, 2);
double tes1test2 = compareHist(hist_test1, hist_test2, 3);
printf("test1 compare with test2 correlation value :%f", tes1test2);
//设置图像进行相关显示
Mat test12;
test2.copyTo(test12);
putText(base, convertToString(basebase), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, CV_AA);
putText(test1, convertToString(basetest1), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, CV_AA);
putText(test2, convertToString(basetest2), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, CV_AA);
putText(test12, convertToString(tes1test2), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, CV_AA);


namedWindow("base", CV_WINDOW_AUTOSIZE);
namedWindow("test1", CV_WINDOW_AUTOSIZE);
namedWindow("test2", CV_WINDOW_AUTOSIZE);


imshow("base", base);
imshow("test1", test1);
imshow("test2", test2);
imshow("test12", test12);


waitKey(0);
return 0;
}


string convertToString(double d) {
ostringstream os;
if (os << d)
return os.str();
return "invalid conversion";

}


相关结果显示:

(1)只计算H通道的情况:


(2)计算H和S双通道直方图结果:


(3)计算S和V双通道结果:



你可能感兴趣的:(opencv基础介绍)