1.概念介绍
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：
（1）Correlation 相关性比较（CV_COMP_CORREL）
计算规则：
其中，
N为bin的个数。两幅图像越相似则计算出的值接近1。
（2）Chi-Square 卡方比较（CV_COMP_CHISQR）
计算规则：
两幅图像越相似则计算出的值接近值越小。
（3）Intersection 十字交叉性（CV_COMP_INTERSECT）
计算规则：
（4）Bhattacharyya distance 巴氏距离（CV_COMP_BHATTACHARYYA）
计算规则：
2.步骤与API
（1）步骤
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和normalize;
使用上述四种比较方法之一进行比较compareHist
（2）compareHist（InputArray h1, InputArray H2,int method）
h1：第一幅图直方图数据
h2：第二幅图直方图数据
method：上述方法中的1个
3.代码实现
#include "stdafx.h"
#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
using namespace std;
using namespace cv;
char inputName[] = "src1";
char outputName[] = "src2";
int main()
{
Mat src1, src2;
src1 = imread("D:/VS project/Image/people.jpg");
src2 = imread("D:/VS project/Image/people1.png");
if (src1.empty() || src2.empty())
{
cout << "找不到图像" << endl;
return -1;
}
namedWindow(inputName, CV_WINDOW_AUTOSIZE);
namedWindow(outputName, CV_WINDOW_AUTOSIZE);
imshow(inputName, src1);
imshow(outputName, src2);
//转到HSV色彩空间
cvtColor(src1, src1, CV_BGR2HSV);
cvtColor(src2, src2, CV_BGR2HSV);
//计算直方图
int h_bins = 50, s_bins = 60;//定义HS2个通道的级数
int histsize[] = { h_bins, s_bins };//直方图级数
const float h_range[] = { 0,180 };//H值域范围
const float s_range[] = { 0,255 };//S值域范围
const float* range[] = { h_range,s_range };
int channels[] = { 0,1 };
MatND src1Hist, src2Hist;//定义多维数组存放直方图结果
calcHist(&src1, 1, channels, Mat(), src1Hist, 2, histsize, range, true, false);
normalize(src1Hist, src1Hist, 0, 1, NORM_MINMAX, -1,Mat());
calcHist(&src2, 1, channels, Mat(), src2Hist, 2, histsize, range, true, false);
normalize(src2Hist, src2Hist, 0, 1, NORM_MINMAX, -1,Mat());
//比较直方图
double src1src1 = compareHist(src1Hist, src1Hist, CV_COMP_BHATTACHARYYA);//巴士距离
double src1src2 = compareHist(src1Hist, src2Hist, CV_COMP_CORREL);//相关性比较
cout << src1src1 << endl << src1src2;
waitKey(0);
return 0;
}
4.运行结果
