opencv 直方图比较

函数


CV_EXPORTS_W double compareHist( InputArray H1, InputArray H2, int method );//! compares two histograms stored in sparse arrays
CV_EXPORTS double compareHist( const SparseMat& H1, const SparseMat& H2, int method );

标志参数	简记	作用
HISTCMP_CORREL	0	相关法
HISTCMP_CHISQR	1	卡方法
HISTCMP_INTERSECT	2	直方图相交法
HISTCMP_BHATTACHARYYA	3	巴塔恰里雅距离（巴氏距离）法
HISTCMP_HELLINGER	3	与HISTCMP_BHATTACHARYYA方法相同
HISTCMP_CHISQR_ALT	4	替代卡方法
HISTCMP_KL_DIV	5	相对熵法（Kullback-Leibler散度）

用途

利用直方图的方式进行批量的图片缺陷检测（方法简单）
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。

分析图像之间关系

两张图像的直方图反映了该图像像素的分布情况，可以利用图像的直方图，来分析两张图像的关系。

步骤

a.加载图像

b.将图像从BGR空间转化为HSV空间

cvtColor()把图像从RGB色彩空间转换到HSV色彩空间

c.计算直方图并归一化处理，

计算图像的直方图，然后归一化到[0~1]之间，用到函数 calcHist() 和 normalize() ；

d.直方图比较

HISTCMP_CORREL 相关性比较 值越大，相关度越高，最大值为1，最小值为0

HISTCMP_CHISQR 卡方法 值为0最好，值越小，相关度越高，最大值无上界，最小值0

HISTCMP_INTERSECT 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）

HISTCMP_BHATTACHARYYA 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）在直方图相似度计算时，巴氏距离获得的效果最好，但计算是最为复杂的。

HISTCMP_HELLINGER

HISTCMP_CHISQR_ALT

该方法与巴氏距离法相同，常用于替代巴氏距离法用于纹理比较

HISTCMP_KL_DIV

该方法名为相对熵法，又名Kullback-Leibler散度法，在该方法中如果两个图像直方图完全一致，则计算数值为0，两个图像的相似性越小，计算数值越大。

使用上述方法之一进行比较，用到函数compareHist()。

 std::array<char, 256> cwd;std::cout << "exe 路径: " << _getcwd(cwd.data(), (int)cwd.size()) << std::endl;size_t pos = (std::string(cwd.data())).find_last_of("\\");std::string path = std::string(cwd.data()).substr(0, pos) + "\\image";std::vector<std::string> paths;cv::glob(path, paths);cv::Mat src1 = cv::imread(paths[0], cv::IMREAD_COLOR);cv::Mat src2 = cv::imread(paths[1], cv::IMREAD_COLOR);//计算相似度if (src2.channels() == 1) {//单通道时std::vector<cv::Mat>(src1);std::vector<int> channels{ 0 }; //单通道索引std::vector<int> histSizes{ 256 }; //直方图横轴大小std::vector<float>  ranges{ 0, 256 }; //统计范围 像素值cv::MatND hist1;cv::calcHist(std::vector<cv::Mat>(src1), channels, cv::Mat(), hist1, histSizes, ranges);cv::normalize(hist1, hist1, 0, 1, cv::NORM_MINMAX, -1, cv::Mat());cv::Mat hist2;cv::calcHist(std::vector<cv::Mat>(src2), channels, cv::Mat(), hist1, histSizes, ranges);cv::normalize(hist2, hist2, 0, 1, cv::NORM_MINMAX, -1, cv::Mat());double correl = cv::compareHist(hist1, hist2, cv::HISTCMP_CORREL);double chisqr = cv::compareHist(hist1, hist2, cv::HISTCMP_CHISQR);double intersect = cv::compareHist(hist1, hist2, cv::HISTCMP_INTERSECT);double bhattacharyya = cv::compareHist(hist1, hist2, cv::HISTCMP_BHATTACHARYYA);cout << "correl = " << correl << endl;cout << "chisqr = " << chisqr << endl;cout << "intersect = " << intersect << endl;cout << "bhattacharyya = " << bhattacharyya << endl;}else{//三通道时cv::cvtColor(src2, src1, cv::COLOR_BGR2HSV);cv::cvtColor(src1, src2, cv::COLOR_BGR2HSV);int h_bins = 50, s_bins = 60;int histSize[] = { h_bins, s_bins }; //柱状个数（横轴）float h_ranges[] = { 0, 180 };float s_ranges[] = { 0, 256 };//像素值 统计范围const float* ranges[] = { h_ranges, s_ranges };int channels[] = { 0, 1 };cv::MatND hist1;cv::calcHist(&src2, 1, channels, cv::Mat(), hist1, 2, histSize, ranges);cv::normalize(hist1, hist1, 0, 1, cv::NORM_MINMAX, -1, cv::Mat());//计算二维cv::MatND hist2;cv::calcHist(&src1, 1, channels, cv::Mat(), hist2, 2, histSize, ranges);cv::normalize(hist2, hist2, 0, 1, cv::NORM_MINMAX, -1, cv::Mat());//只比较二维double correl = cv::compareHist(hist1, hist2, cv::HISTCMP_CORREL); double chisqr = cv::compareHist(hist1, hist2, cv::HISTCMP_CHISQR);double intersect = cv::compareHist(hist1, hist2, cv::HISTCMP_INTERSECT);double bhattacharyya = cv::compareHist(hist1, hist2, cv::HISTCMP_BHATTACHARYYA);cout << "3 channels correl = " << correl << endl;cout << "3 channels chisqr = " << chisqr << endl;cout << "3 channels intersect = " << intersect << endl;cout << "3 channels bhattacharyya = " << bhattacharyya << endl;}

opencv 直方图比较相关推荐

OpenCV直方图比较Histogram Comparison
OpenCV直方图比较Histogram Comparison 直方图比较Histogram Comparison 目标理论代码这个程序做什么? 解释结果直方图比较Histogram Com ...
OpenCV学习-P29-P32 Opencv直方图均衡化、掩膜
OpenCV学习-P29-P32 Opencv直方图均衡化及掩膜 1 直方图 2 直方图均衡化 3 直方图自适应均衡化 1 直方图直方图原理:统计图像各个灰度区间的像素数 cv2.calcHist( ...
OpenCV基础（16）OpenCV直方图均衡化和自适应直方图均衡化(CLAHE)
在本教程中,您将学习使用OpenCV实现直方图均衡化和自适应直方图均衡化(CLAHE). 直方图均衡化是一种基本的图像处理技术,通过更新图像直方图的像素强度分布来调整图像的全局对比度.这样做可以使低对 ...
Python，OpenCV直方图均衡化以提高图像对比度
Python,OpenCV直方图均衡化以提高图像对比度 1. 效果图 2. 原理 2.1 直方图均衡化应用 2.2 直方图均衡化分类 3. 源代码参考这篇博客将介绍直方图均衡化(全局 & ...
OpenCV 直方图的计算和绘制
图像直方图是用以表示数字图像中亮度分布的直方图,标绘了图像中每个亮度值的像素个数.这种直方图中,横坐标的左侧为较暗的区域,而右侧为较亮的区域.因此一张较暗图片的直方图中的数据多集中于左侧和中间部分, ...
OpenCV直方图计算Histogram Calculation
OpenCV直方图均衡Histogram Equalization 直方图均衡Histogram Equalization 目标什么是直方图? OpenCV为您提供什么代码解释结果直方图均衡 ...
opencv 直方图_OpenCV之图像直方图反向投影
python代码: import cv2 as cv import numpy as np from matplotlib import pyplot as pltdef back_projectio ...
[Python图像处理] 三十七.OpenCV直方图统计两万字详解（掩膜直方图、灰度直方图对比、黑夜白天预测）
该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门.OpenCV基础用法,中期讲解图像处理的各种算法,包括图像锐化算子.图像增强技术.图像分割等,后期结合深度学习研究图像识别 ...
python opencv直方图_【python opencv】直方图均衡
搜索热词考虑这样一个图像,它的像素值仅局限于某个特定的值范围.例如,较亮的图像将把所有像素限制在高值上.但是一幅好的图像会有来自图像所有区域的像素.因此,您需要将这个直方图拉伸到两端(如下图所示,来 ...
opencv 直方图反向投影
转载至:http://www.cnblogs.com/zsb517/archive/2012/06/20/2556508.html 直方图反向投影式通过给定的直方图信息,在图像找到相应的像素分布区域, ...

opencv 直方图比较

函数

用途

步骤

opencv 直方图比较相关推荐

最新文章

热门文章