OpenCV圖像處理之直方圖比較方法詳解
一、直方圖比較
直方圖比較是對輸入的兩張圖像進行計算得到直方圖H1與H2，歸一化到相同的尺度空間，然后可以通過計算H1與H2的之間的距離得到兩個直方圖的相似程度（每張圖像都有唯一的直方圖與之對應(yīng)），進而比較圖像本身的相似程度。Opencv提供的比較方法有四種：
Correlation 相關(guān)性比較
Chi-Square 卡方比較
Intersection 十字交叉性
Bhattacharyya distance 巴氏距離。
（1）直方圖比較方法-相關(guān)性計算(CV_COMP_CORREL)
其中：
其中N是直方圖的BIN個數(shù)，
是均值。
（2）直方圖比較方法-相關(guān)性計算(CV_COMP_CORREL)
H1,H2分別表示兩個圖像的直方圖數(shù)據(jù)
(3)直方圖比較方法-十字交叉性計算(CV_COMP_INTERSECT)
H1,H2分別表示兩個圖像的直方圖數(shù)據(jù)
(4)直方圖比較方法-巴氏距離計算(CV_COMP_BHATTACHARYYA )
H1,H2分別表示兩個圖像的直方圖數(shù)據(jù),
二、圖像直方圖比較方法
加載原圖像
將圖像色彩空間由BGR三通道轉(zhuǎn)換為HSV空間（由于直方圖對亮度和灰度比較敏感，色彩空間轉(zhuǎn)換就是突出這兩個因素盡量去除其他因素）
計算直方圖進行歸一化處理，歸一化到0到1之間，調(diào)用calcHist和normalize
直方圖比較，使用上述四種方法之一，調(diào)用compareHist
直方圖比較API函數(shù)接口
API接口
double compareHist(InputArray h1,InputArray H2,int method)
參數(shù)說明：
第一個參數(shù)InputArray類型 h1,直方圖數(shù)據(jù)
第二個參數(shù)InputArray類型 h2,直方圖數(shù)據(jù)
第三個參數(shù)int類型 method比較方法，上述四種方法之一
返回值：采用上述四中方法之一計算后的兩個直方圖相關(guān)系數(shù)
關(guān)于 int method 的取值：
enum HistCompMethods {
HISTCMP_CORREL = 0, //相關(guān)性比較
HISTCMP_CHISQR = 1, //卡方比較
HISTCMP_INTERSECT = 2, //十字交叉性
HISTCMP_BHATTACHARYYA = 3, //巴氏距離
HISTCMP_HELLINGER = HISTCMP_BHATTACHARYYA,
HISTCMP_CHISQR_ALT = 4, //替代卡方：通常用于紋理比較。
HISTCMP_KL_DIV = 5 //KL散度
};
不同直方圖相關(guān)性比較方法的特點：
Correlation相關(guān)性比較（CV_COMP_CORREL）值越大，相關(guān)度越高，最大值為1，最小值為0，越接近1越相似
Chi-Square卡方比較(CV_COMP_CHISQR) 值越小，相關(guān)度越高，最大值無上界，最小值0，越接近0越相似
Intersection十字交叉性（CV_COMP_INTERSECT）對于相似度比較，值越大，表明相關(guān)度越高，最大值無上界；完美匹配為1，完全不匹配為0；
Bhattacharyya distance巴氏距離(CV_COMP_BHATTACHARYYA)值越小，相關(guān)度越高，最大值為1，最小值為0，越接近1越相似
三、代碼實現(xiàn)
#include"stdafx.h"
#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) {
Mat base, test1, test2; //RGB圖像
Mat hsvbase, hsvtest1, hsvtest2; //HSV圖像
base = imread("F:/photo/zx.jpg");
if (!base.data) {
printf("could not load image...\n");
return -1;
}
test1 = imread("F:/photo/a.jpg");
test2 = imread("F:/photo/c.jpg");
//轉(zhuǎn)化為HSV圖像
cvtColor(base, hsvbase, COLOR_BGR2HSV);
cvtColor(test1, hsvtest1, COLOR_BGR2HSV);
cvtColor(test2, hsvtest2, COLOR_BGR2HSV);
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 };
MatND hist_base;
MatND hist_test1;
MatND hist_test2;
calcHist(&hsvbase, 1, channels, Mat(), hist_base, 2, histSize, ranges, true, false);
normalize(hist_base, hist_base, 0, 1, NORM_MINMAX, -1, Mat());
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());
double basebase = compareHist(hist_base, hist_base, 2);//zx
double basetest1 = compareHist(hist_base, hist_test1,2);//zx and a
double basetest2 = compareHist(hist_base, hist_test2, 2);//zx and c
double tes1test2 = compareHist(hist_test1, hist_test2, 2);//a and c
printf("test1 compare with test2 correlation value :%f", tes1test2);
Mat test12;
test2.copyTo(test12);
putText(base, convertToString(basebase), Point(50, 50), FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA); //zx
putText(test1, convertToString(basetest1), Point(50, 50), FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA);//zx and a
putText(test2, convertToString(basetest2), Point(50, 50), FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA);//zx and c
putText(test12, convertToString(tes1test2), Point(50, 50), FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA);//a and c
namedWindow("base", 0);
resizeWindow("base", base.cols / 2, base.rows / 2);
namedWindow("test1", 0);
resizeWindow("test1", test1.cols / 2, test1.rows / 2);
namedWindow("test2", 0);
resizeWindow("test2", test2.cols / 2, test2.rows / 2);
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)
return os.str();
return "invalid conversion";
}四、圖像處理效果
代碼中，車道線圖片base自行十字交叉性比較，basebase = 36.8538，數(shù)值越大，圖像相關(guān)性程度越高
base圖片與test1圖片進行十字交叉性比較，test1base = 9.55181，數(shù)值較小，圖像相識度較低
下面圖像是test1圖像與test2圖像直方圖對比，test2base = 7.98399，相識度較小
到此這篇關(guān)于OpenCV圖像處理之直方圖比較方法詳解的文章就介紹到這了,更多相關(guān)OpenCV直方圖比較內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要為大家詳細介紹了如何利用C++實現(xiàn)一個命令行進度條，文中的示例代碼講解詳細，具有一定的學(xué)習(xí)價值，感興趣的小伙伴可以了解一下2023-06-06
引用是C++一個很重要的特性,顧名思義是某一個變量或?qū)ο蟮膭e名，對引用的操作與對其所綁定的變量或?qū)ο蟮牟僮魍耆葍r,這篇文章主要給大家總結(jié)介紹了C++中引用的相關(guān)知識點,需要的朋友可以參考下2022-04-04
C++無鎖隊列是一種多線程編程技術(shù),它可以在不使用鎖的情況下實現(xiàn)線程安全的隊列,本文就來詳細的介紹一下C++無鎖隊列的原理與實現(xiàn)示例,具有一定的參考價值,感興趣的可以了解一下2024-01-01
這篇文章主要介紹了C++ Boost Graph算法，我門嘗試使用Boost.Graph庫來運行Goldberg的最大流算法。 Boost.Graph將其稱為push_relabel_max_flow2022-10-10
這篇文章主要為大家詳細介紹了C++有限狀態(tài)機實現(xiàn)計算器小程序的相關(guān)資料，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2017-06-06
這篇文章主要給大家介紹了關(guān)于C語言中程序環(huán)境和預(yù)處理的相關(guān)資料,我們寫的C語言代碼,從運行,到在屏幕上生成結(jié)果,經(jīng)歷了比較復(fù)雜的過程,需要的朋友可以參考下2023-02-02
C++?primer超詳細講解關(guān)聯(lián)容器
兩個主要的關(guān)聯(lián)容器為map和set，map中元素是一些關(guān)鍵字—值對，關(guān)鍵字起索引的作用，值則表示與索引相關(guān)聯(lián)的數(shù)據(jù)。set中每個元素只包含一個關(guān)鍵字，set支持高效的關(guān)鍵字查詢操作——檢查一個給定關(guān)鍵字是否在set中2022-07-07
本文給大家分享的是一個C語言實現(xiàn)的猜拳小游戲，由于本程序簡單易操作，交互性好，對用戶沒什么特別要求。這里推薦給大家2016-02-02
C++ Qt開發(fā)之使用QTcpSocket實現(xiàn)TCP網(wǎng)絡(luò)通信
Qt 是一個跨平臺C++圖形界面開發(fā)庫,利用Qt可以快速開發(fā)跨平臺窗體應(yīng)用程序,本文主要為大家介紹了如何運用QTcpSocket組件實現(xiàn)基于TCP的網(wǎng)絡(luò)通信功能,需要的可以參考下2024-03-03
虛擬繼承在一般的應(yīng)用中很少用到，所以也往往被忽視，這也主要是因為在C++中，多重繼承是不推薦的，也并不常用2013-09-09