C#結(jié)合OpenCVSharp4使用直方圖算法實現(xiàn)圖片相似度比較

更新時間：2023年09月10日 09:43:04 作者：宣君

這篇文章主要為大家詳細介紹了C#如何結(jié)合OpenCVSharp4使用直方圖算法實現(xiàn)圖片相似度比較,文中的示例代碼簡潔易懂,需要的小伙伴可以參考下

C#結(jié)合OpenCVSharp4使用直方圖算法比較圖片相似度

直方圖有灰度直方圖、顏色直方圖 ,如果是灰度圖像，那么就用灰度直方圖 ,這里使用顏色直方圖來計算兩個圖片的相似度。

這里只記錄如何使用，至于算法原理，問就是不會。

直方圖算法效率高，但精度不夠，適合快速比較，例如 以圖搜圖

1. 下載 OpenCVSharp4

通過NuGet包管理器進行下載。搜索 OpenCVSharp4 下載?？蓞⒖记耙黄恼?C#結(jié)合OpenCVSharp4圖片相似度識別

2. 使用

        /// <summary>
        /// 直方圖相關(guān)性 
        /// 結(jié)果越接近1 則越相似
        /// 圖片相似度識別（精度不高，速度較快，可用于以圖搜圖）
        /// </summary>
        /// <param name="imgFile1"></param>
        /// <param name="imgFile2"></param>
        public double Compare_Hist(string imgFile1, string imgFile2)
        {
            var matA = Cv2.ImRead(imgFile1);
            var matB = Cv2.ImRead(imgFile2);
            // 拆分通道
            Cv2.Split(matA, out Mat[] matA_S);
            Cv2.Split(matB, out Mat[] matB_S);
            //直方圖的像素范圍   
            Rangef[] histRange = { new Rangef(0, 256) };
            //直方圖數(shù)組大小
            int[] histSize = { 256 };
            //直方圖輸出數(shù)組
            Mat hist_A = new Mat();
            Mat hist_B = new Mat();
            bool uniform = true, accumulate = false;
            Cv2.CalcHist(matA_S, new int[] { 0, 1, 2 }, null, hist_A, 1, histSize, histRange, uniform, accumulate);
            Cv2.CalcHist(matB_S, new int[] { 0, 1, 2 }, null, hist_B, 1, histSize, histRange, uniform, accumulate);
            //歸一化，排除圖像分辨率不一致的影響
            Cv2.Normalize(hist_A, hist_A, 0, 1, NormTypes.MinMax, -1, null);
            Cv2.Normalize(hist_B, hist_B, 0, 1, NormTypes.MinMax, -1, null);
            //相關(guān)性比較
            var res = Cv2.CompareHist(hist_A, hist_B, HistCompMethods.Correl);
            return res;
        }

比較結(jié)果