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

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 ...

OpenCV-图像处理（25、直方图比较）