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 Python OpenCV 图像处理之图像直方图，取经之旅第 25 天中，我们重点学习了直方图的绘制方法与应用，本篇博客继续对直方图进行分析。

本篇博客咱们首先学习一下，如何用直方图去比较两幅图片的相似性。

通过 cv2.compareHist 函数计算图片的相似度，在今天的学习中，橡皮擦并没有 get 到一个特别好的场景，故本部分从语法角度进行学习。

cv2.compareHist 函数

该函数原型如下：

cv2.compareHist(H1, H2, method)

参数说明如下：

H1，H2：要比较图像的直方图；
method：比较方式

其中比较方式涉及如下几种枚举值。

cv2.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；
cv2.HISTCMP_CHISQR：卡方比较，值越小，相关度越高，最大值无上界，最小值 0；
cv2.HISTCMP_BHATTACHARYYA：巴氏距离比较，值越小，相关度越高，最大值为 1，最小值为 0；
cv2.HISTCMP_INTERSECT：十字交叉，值越大越相似。

先比较灰度图的，运行下述代码即可。

import cv2 as cv
import numpy as np
from matplotlib import pyplot as pltdef create_gray_hist(image):# 创建一个灰度直方图img = cv.cvtColor(image, cv.COLOR_BGR2GRAY)hist = cv.calcHist([img], [0], None, [256],  [0, 256])return histdef hist_compare(image1, image2):# 第一幅图的灰度图直方图hist1 = create_gray_hist(image1)# 第二幅图的灰度图直方图hist2 = create_gray_hist(image2)# 进行三种方式的直方图比较match1 = cv.compareHist(hist1, hist2, cv.HISTCMP_BHATTACHARYYA)match2 = cv.compareHist(hist1, hist2, cv.HISTCMP_CORREL)match3 = cv.compareHist(hist1, hist2, cv.HISTCMP_CHISQR)match4 = cv.compareHist(hist1, hist2, cv.HISTCMP_INTERSECT)print("巴氏距离：%s, 相关性：%s, 卡方：%s, 十字交叉：%s" % (match1, match2, match3, match4))src1 = cv.imread("./black.jpg")
cv.imshow("diff1", src1)
src2 = cv.imread("./yellow.jpg")
cv.imshow("diff2", src2)plt.subplot(1, 2, 1)
plt.title("diff1")
plt.plot(create_gray_hist(src1))
plt.subplot(1, 2, 2)
plt.title("diff2")
plt.plot(create_gray_hist(src2))hist_compare(src1, src2)
plt.show()
while True:k = cv.waitKey(0) & 0xFFif k == 27:break
cv.destroyAllWindows()

结果如下图所示，这里我找的是两个相似的图片（从找不同游戏里面找到的）。

得到的结果如下：

巴氏距离：0.0501735845451386, 相关性：0.9855477082033252, 卡方：3887.8752812639, 十字交叉：166493.0

由于两张图非常相似，得到的结果也符合刚才的说明。

巴氏距离：0.0501735845451386 >>> 值越小，相关度越高，最大值为 1，最小值为 0；
相关性：0.9855477082033252 >>> 值越大，相关度越高，最大值为 1，最小值为 0；
卡方：3887.8752812639 >>> 值越小，相关度越高，最大值无上界，最小值 0；（不过看起来，这个好像用处不大）
十字交叉：166493.0 >>> 十字交叉，值越大越相似。

切换成不同的两张图片，可以看一下运行结果，首先看灰度直方图。

在看得到的各个值：

巴氏距离：0.28273836677812036, 相关性：0.4615912771396342, 卡方：186501.9955618743, 十字交叉：126877.0

接下来，我们比较一下彩色图的直方图，这部分我也在网上看到了一个算法，但是由于代码实在没看太懂，直接忽略掉了。以下代码转载自网络，建议本阶段，看一下就好，不要钻牛角尖。

代码来源：网络。

def create_rgb_hist(image):""""创建 RGB 三通道直方图（直方图矩阵）"""h, w, c = image.shape# 创建一个（16*16*16,1）的初始矩阵，作为直方图矩阵# 16*16*16的意思为三通道每通道有16个binsrgbhist = np.zeros([16 * 16 * 16, 1], np.float32)bsize = 256 / 16for row in range(h):for col in range(w):b = image[row, col, 0]g = image[row, col, 1]r = image[row, col, 2]# 人为构建直方图矩阵的索引，该索引是通过每一个像素点的三通道值进行构建index = int(b / bsize) * 16 * 16 + int(g / bsize) * 16 + int(r / bsize)# 该处形成的矩阵即为直方图矩阵rgbhist[int(index), 0] += 1plt.ylim([0, 10000])plt.grid(color='r', linestyle='--', linewidth=0.5, alpha=0.3)return rgbhist

不过，除了灰度直方图，咱们用已有的知识可以比较不同通道的直方图。

具体代码修改部分如下：

def create_gray_hist(image):# 创建一个灰度直方图# img = cv.cvtColor(image, cv.COLOR_BGR2GRAY)hist = cv.calcHist([image], [1], None, [256],  [0, 256])return hist

关于上文提及的 巴氏距离，卡方 都属于统计学知识，暂时按下不表。

橡皮擦的小节

希望今天的一个小时，你有所收获，我们下篇博客见~