【OpenCV 4】图像直方图比较

一、编程环境：

OpenCV	4.1.0
IDE	Visual Studio 2017 Enterprise (15.9.13)
操作系统	Windows 10 x64 中文专业版 (1903)
示例图像	graf1.png   graf3.png   Blender_Suzanne1.jpg   Blender_Suzanne2.jpg
获取示例图像	https://github.com/opencv/opencv/tree/master/samples/data 或 本地OpenCV安装目录：D:\opencv-4.1.0\sources\samples\data

二、图像直方图比较：

        对图像进行直方图均衡化及直方图计算步骤后，对比图像的直方图，通过对比结果得到我们想要的结论。

1、图像相似度比较

        如果我们有两张图像，并且这两张图像的直方图一样，或者有极高的相似度，那么在一定程度上，我们可以认为这两幅图是一样的，这就是直方图比较的应用之一。

        注意：理论上存在两张图像完全不同，但直方图相同的情况。

2、分析图像之间关系

        图像的直方图反映了该图像像素的分布情况，利用图像的直方图，可以分析图像之间的关系。

三、OpenCV 中图像直方图比较相关函数：

1、直方图计算函数：

void calcHist( const Mat* images, int nimages,
               const int* channels, InputArray mask,
               OutputArray hist, int dims, const int* histSize,
               const float** ranges, bool uniform = true, bool accumulate = false );

2、直方图比较函数：

double compareHist( InputArray H1, InputArray H2, int method );

关于 int method 的取值：

enum HistCompMethods {
    HISTCMP_CORREL        = 0,    //相关性比较
    HISTCMP_CHISQR        = 1,    //卡方比较
    HISTCMP_INTERSECT     = 2,    //十字交叉性
    HISTCMP_BHATTACHARYYA = 3,    //巴氏距离
    HISTCMP_HELLINGER     = HISTCMP_BHATTACHARYYA, 
    HISTCMP_CHISQR_ALT    = 4,    //替代卡方：通常用于纹理比较。
    HISTCMP_KL_DIV        = 5     //KL散度
};

四、程序实现主要步骤：

1.  加载图像； 
2.  先用 cvtColor() 把图像从 RGB 色彩空间转换到 HSV 色彩空间； 
3.  使用 calcHist() 函数计算图像的直方图；
4.  使用 normalize() 函数将计算得到的直方图归一化到[0~1]之间； 
5.  使用 compareHist() 函数，选择上述枚举类型 HistCompMethods 中的方法之一进行比较； 
6.  展示结果。

五、示例代码：

#include 
#include 

using namespace cv;
using namespace std;

int main(int argc, char** argv) {
	Mat src1 = imread("../images/graf1.png");
	Mat src2 = imread("../images/graf3.png");
	Mat src3 = imread("../images/Blender_Suzanne1.jpg");
	Mat src4 = imread("../images/Blender_Suzanne2.jpg");

	imshow("img1", src1);
	imshow("img2", src2);
	imshow("img3", src3);
	imshow("img4", src4);

	Mat hsv1, hsv2, hsv3, hsv4;
	cvtColor(src1, hsv1, COLOR_BGR2HSV);
	cvtColor(src2, hsv2, COLOR_BGR2HSV);
	cvtColor(src3, hsv3, COLOR_BGR2HSV);
	cvtColor(src4, hsv4, COLOR_BGR2HSV);

	int h_bins = 60; int s_bins = 64;
	int histSize[] = { h_bins, s_bins };
	float h_ranges[] = { 0, 180 };
	float s_ranges[] = { 0, 256 };
	const float* ranges[] = { h_ranges, s_ranges };
	int channels[] = { 0, 1 };
	Mat hist1, hist2, hist3, hist4;
	calcHist(&hsv1, 1, channels, Mat(), hist1, 2, histSize, ranges, true, false);
	calcHist(&hsv2, 1, channels, Mat(), hist2, 2, histSize, ranges, true, false);
	calcHist(&hsv3, 1, channels, Mat(), hist3, 2, histSize, ranges, true, false);
	calcHist(&hsv4, 1, channels, Mat(), hist4, 2, histSize, ranges, true, false);

	normalize(hist1, hist1, 0, 1, NORM_MINMAX, -1, Mat());
	normalize(hist2, hist2, 0, 1, NORM_MINMAX, -1, Mat());
	normalize(hist3, hist3, 0, 1, NORM_MINMAX, -1, Mat());
	normalize(hist4, hist4, 0, 1, NORM_MINMAX, -1, Mat());

	// 在 OpenCV 4.1.0 中共定义有 6 种比较算法
	for (int i = 0; i < 5; i++)
	{
		int compare_method = i;
		double src1_src2 = compareHist(hist1, hist2, compare_method);
		double src3_src4 = compareHist(hist3, hist4, compare_method);
		printf(" Method [%d] : img1_img2 : %f \t img3_img4: %f \n", i, src1_src2, src3_src4);
	}

	waitKey(0);
	return 0;
}

六、运行结果：