OpenCV-图像处理(25、直方图比较)
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
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
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
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
H1,H2分别表示两个图像的直方图数据
相关API(cv::compareHist)
- 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
compareHist(
InputArray h1, // 直方图数据,下同
InputArray H2,
int method// 比较方法,上述四种方法之一
)
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 BHATTACHARYYAdouble 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stringreturn os.str();return "invalid conversion";
}
运行截图
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)相关推荐
- Python OpenCV 图像处理之直方图的应用,取经之旅第 26 天
Python OpenCV 365 天学习计划,与橡皮擦一起进入图像领域吧. Python OpenCV 基础知识铺垫 cv2.compareHist 函数 橡皮擦的小节 基础知识铺垫 上篇博客 Py ...
- c++ opencv 图像处理:直方图处理(直方图均衡化,直方图匹配(规定化))
文章目录 前言 一.直方图(histogram) 二.直方图处理 1.直方图均衡化 2.直方图匹配(规定化) 三.opencv函数总结 1.equalizeHist图像均衡化 2.calcHist获取 ...
- Python+Opencv图像处理新手入门教程(二):颜色空间转换,图像大小调整,灰度直方图
一步一步来吧 上一节:Python+Opencv图像处理新手入门教程(一):介绍,安装与起步 1.什么是图像 对于计算机而言,图像的本质是一个由像素点构成的矩阵. 例如我们用肉眼很容易分辨一辆汽车的后 ...
- python+opencv图像处理之七:直方图均衡化
python+opencv图像处理之七:直方图均衡化 目录 python+opencv图像处理之七:直方图均衡化 一.直方图均衡化 二.直方图绘制 三.直方图均衡化 四.有限对比适应性直方图均衡化 一 ...
- OpenCV图像处理专栏九 | 基于直方图的快速中值滤波算法
转载自:https://zhuanlan.zhihu.com/p/98092747 侵删 前言 这是OpenCV图像处理专栏的第9篇文章,主要介绍一个基于直方图的快速中值滤波算法,希望对大家有帮助. ...
- opencv图像处理总结
opencv图像处理基本操作 1. 矩阵数据类型 通用矩阵数据类型: CV_<bit_depth>(S|U|F)C<number_of_channels> 其中,S表示带符号整 ...
- OpenCV-数字图像处理之直方图均衡化
OpenCV-数字图像处理之直方图均衡化 从这篇博文开始,小生正式从一个毫不相干专业转投数字图像处理.废话不多说了,talk is cheap. show me the code. 直方图均衡化目的 ...
- halcon opencv 图像处理面试指南
珠海某上市公司算法总监: 1.相机标定的原理与坐标系之间的转换,如何转换 2.激光三角原理,如何搭建 3.测量拟合的过程中有哪些算子,原理什么,接着问5,跌代多少次?什么情况最优,如何优化, 4.那个 ...
- OPENCV图像处理基础
OPENCV图像处理基础 1.图像处理基础 1.1 数字图像 1.1.1 数字图像概念: 1.1.2 数字图像起源: 1.1.3 常见成像方式: 1.1.4 数字图像的应用: 1.1.5 Opencv ...
- 使用Python,OpenCV计算图像直方图(cv2.calcHist)
使用Python,OpenCV计算图像直方图(cv2.calcHist 1. 效果图 2. 原理 2.1 什么是图像直方图? 2.2 计算直方图 2.3 可视化蒙版区域 3. 源码 参考 这篇博客将介 ...
最新文章
- 【数学专题】整除相关 - 素数
- This function or variable may be unsafe
- linux插光驱自动重启,Linux两种光驱自动挂载的方法
- mysql 怎么实现组内排名_MySQL 实现排名(分组排名)
- php选择排序算法原理_PHP排序算法之选择排序
- java 链表删除头结点,删除链表的倒数第N个节点,并返回链表的头节点
- JDBC入门案例及相关API概述
- 惠普企业:自今年10月起,固件 bug 将导致某些 SSD 不可用
- 【iOS开发】修改图片的大小分辨率 使用mac
- python 关于反射和类的特殊成员方法
- 超简单的Springboot中的日志管理配置
- 56. Yii Modules
- 京东万能转链API接口 含商品信息优惠券转链 京东线报如何转链?
- Word解析之Word内部结构
- mac怎么压缩pdf文件最小
- IPTV和宽带网络融合
- 一道代码分析题浅析String的intern()方法
- 二值化网络的发展——从原始BNN到MeliusNet
- 我写的阿拉伯数字转中文大写的一个方法
- 交易风云-MAM、PAMM、社区交易&KlipC:如何选择多账户管理系统