直方图比较方法-概述

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 -（计算结果范围为 -1到1 -1很不相关，1完全一样）
Chi-Square 卡方比较 -（计算结果越接近0，两个直方图越相似）
Intersection 十字交叉性 -（计算公式为取两个直方图每个相同位置的值的最小值，然后求和，这个比较方式不是很好，不建议使用）
Bhattacharyya distance 巴氏距离 - （比较结果是很准的，计算结果范围为 0-1 ，0表示两个直方图非常相关，1最不相似）

1. 直方图比较方法-相关性计算(CV_COMP_CORREL)

计算结果范围为 -1到1 -1很不相关，1完全一样
在这里插入图片描述

2. 直方图比较方法-卡方计算(CV_COMP_CHISQR)

计算结果越接近0，两个直方图越相似
在这里插入图片描述
H1,H2分别表示两个图像的直方图数据

3. 直方图比较方法-十字计算(CV_COMP_INTERSECT)

计算公式为取两个直方图每个相同位置的值的最小值，然后求和，这个比较方式不是很好，不建议使用
在这里插入图片描述
H1,H2分别表示两个图像的直方图数据

4. 直方图比较方法-巴氏距离计算(CV_COMP_BHATTACHARYYA )

比较结果是很准的，计算结果范围为 0-1 ，0表示两个直方图非常相关，1最不相似
在这里插入图片描述

H1,H2分别表示两个图像的直方图数据

程序步骤：

加载图像数据
从RGB空间转换到HSV空间
计算直方图并归一化
比较直方图，并返回值

程序代码

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

using namespace std;
using namespace cv;

string convertToString(double d);

int main(int argc, char** argv) {
	// 1. 声明储存基准图像和另外两张对比图像的矩阵( RGB 和 HSV )
	Mat base, test1, test2;
	Mat hsvbase, hsvtest1, hsvtest2;
	// 2. 装载基准图像(src_base) 和两张测试图像:
	base = imread("E:/Experiment/OpenCV/Pictures/lenanoise.jpg");
	if (!base.data) {
		printf("could not load image...\n");
		return -1;
	}
	test1 = imread("E:/Experiment/OpenCV/Pictures/lena.jpg");
	test2 = imread("E:/Experiment/OpenCV/Pictures/lena1.jpg");
	// 3. 将图像转化到HSV格式:
	cvtColor(base, hsvbase, CV_BGR2HSV);//转换为 HSV 颜色空间，也是3通道
	cvtColor(test1, hsvtest1, CV_BGR2HSV);
	cvtColor(test2, hsvtest2, CV_BGR2HSV);

	// 4. 初始化计算直方图需要的实参(bins, 范围，通道 H 和 S ).
	int h_bins = 50; int s_bins = 60;     
	int histSize[] = { h_bins, s_bins };
	// hue varies from 0 to 179, saturation from 0 to 255     
	float h_ranges[] = { 0, 180 };     
	float s_ranges[] = { 0, 256 };
	const float* ranges[] = { h_ranges, s_ranges };
	// Use the o-th and 1-st channels     
	int channels[] = { 0, 1 };
		
	// 5. 创建储存直方图的 MatND 实例:
	//ND 表示二维或多维的Mat ，typedef Mat MatND; 源码中MatND的声明。 Mat表示二维的数组
	MatND hist_base;
	MatND hist_test1;
	MatND hist_test2;

	// 6. 计算基准图像，两张测试图像
	calcHist(&hsvbase, 1,  channels, Mat(), hist_base, 2, histSize, ranges, true, false);
	normalize(hist_base, hist_base, 0, 1, NORM_MINMAX, -1, Mat());//归一化到 0-1 之间

	calcHist(&hsvtest1, 1, channels, Mat(), hist_test1, 2, histSize, ranges, true, false);
	normalize(hist_test1, hist_test1, 0, 1, NORM_MINMAX, -1, Mat());

	calcHist(&hsvtest2, 1, channels, Mat(), hist_test2, 2, histSize, ranges, true, false);
	normalize(hist_test2, hist_test2, 0, 1, NORM_MINMAX, -1, Mat());
	

	// 7. 使用4种对比标准将基准图像(hist_base)的直方图与其余各直方图进行对比:
	//比较的算法 CV_COMP_CORREL CHISQR INTERSECT BHATTACHARYYA
	double basebase = compareHist(hist_base, hist_base, CV_COMP_CORREL);
	double basetest1 = compareHist(hist_base, hist_test1, CV_COMP_CORREL);
	double basetest2 = compareHist(hist_base, hist_test2, CV_COMP_CORREL);
	double tes1test2 = compareHist(hist_test1, hist_test2, CV_COMP_CORREL);
	printf("test1 compare with test2 correlation value :%f", tes1test2);

	Mat test12;
	test2.copyTo(test12);
	// 8. 将比较的结果转换为string，然后以文字的方式绘制到图形上
	putText(base, convertToString(basebase), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA);
	putText(test1, convertToString(basetest1), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA);
	putText(test2, convertToString(basetest2), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA);
	putText(test12, convertToString(tes1test2), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_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)  // << 运算符重载了，将double转成string
		return os.str();
	return "invalid conversion";
}

运行截图

在这里插入图片描述

参考博客：

https://blog.csdn.net/huanghuangjin/article/details/81175339

https://blog.csdn.net/LYKymy/article/details/83210430

OpenCV-图像处理（25、直方图比较）