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)

，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 <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>

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";

}

opencv之直方图比较图像相似度

猜你喜欢