wordpress左邊欄網(wǎng)頁seo優(yōu)化
????????由于圖像的直方圖表示圖像像素灰度值的統(tǒng)計特性，因此可以通過兩幅圖像的直方圖特性比較 兩幅圖像的相似程度。從一定程度上來講，雖然兩幅圖像的直方圖分布相似不代表兩幅圖像相似，但是兩幅圖像相似則兩幅圖像的直方圖分布一定相似。例如，在通過插值對圖像進行縮放后，雖然圖像的直方圖不會與之前完全一致，但是兩者之間一定具有很高的相似性，因而可以通過比較兩幅圖像的直方圖分布相似性對圖像進行初步的篩選與識別。
????????OpenCV 4 中提供了用于比較兩個圖像直方圖相似性的 compareHist() 函數(shù)。
1.??compareHist()函數(shù)原型
double cv::compareHist(InputArray H1,
InputArray H2,
int method
)
- H1：第一幅圖像直方圖。
- H2：第二幅圖像直方圖，與 H1 具有相同的尺寸。
- method：比較方法標志。?
????????該函數(shù)前兩個參數(shù)為需要比較相似性的圖像直方圖，由于不同尺寸的圖像中像素數(shù)目可能不相同，為了能夠得到兩個圖像直方圖正確的相似性，需要輸入同一種方式歸一化后的圖像直方圖，并且要求兩個圖像直方圖具有相同的尺寸。該函數(shù)中第三個參數(shù)為比較相似性的方法，選擇不同的方法會得到不同的相似性系數(shù)，會將計算得到的相似性系數(shù)以 double 類型返回。由于不同計算方法的規(guī)則不一，因此相似性系數(shù)代表的含義也不相同。接下來介紹每種方法比較相似性的原理。
compareHist()函數(shù)比較直方圖方法的可選擇標志參數(shù)
1.1?HISTCMP_CORREL?
????????該方法名為相關(guān)法， 在該方法中，如果兩個圖像直方圖完全一致，那么計算數(shù)值為 1 ；如果兩個圖像直方圖完全不相關(guān)，那么計算值為 0 。
????????其中，N 是直方圖的灰度值個數(shù)。?
1.2?HISTCMP_CHISQR
????????該方法名為卡方法，在該方法中，如果兩個圖像直方圖完全一致，那么計算數(shù)值為 0；兩個圖像的相似性越小，計算數(shù)值越大。
1.3?HISTCMP_INTERSECT?
????????該方法名為直方圖相交法， 該方法不會將計算結(jié)果歸一化，因此，即使是兩個完全一致的圖像直方圖，來自于不同圖像，也會有不同的數(shù)值。例如，由A 圖像縮放后得到的兩個完全一樣的直方圖相似性結(jié)果與由 B 圖像縮放后得到的兩個完全一樣的直方圖相似性結(jié)果可能不相同。但是，當任意圖像的直方圖與 A 圖像的直方圖比較時，數(shù)值越大， 相似性越高，數(shù)值越小，相似性越低。
1.4?HISTCMP_BHATTACHARYYA ?
????????該方法名為巴塔恰里雅距離（巴氏距離）法， 在該方法中，如果兩個圖像直方圖完全一致，那么計算數(shù)值為 0 ；兩個圖像的相似性越小，計算數(shù)值越大。
1.5?HISTCMP_CHISQR_ALT?
????????該方法稱為替代卡方法，其判斷兩個直方圖是否相似的方法與巴氏距離法相同，常用于替代巴氏距離法用于紋理比較。
1.6?HISTCMP_KL_DIV?
????????該方法名為相對熵法，又名 Kullback-Leibler 散度法， 在該方法中，如果兩個圖像直方圖完全一致，那么計算數(shù)值為 0 ；兩個圖像的相似性越小，計算數(shù)值越大。
2. 示例代碼
#include <opencv2/opencv.hpp>
#include <iostream> using namespace cv;
using namespace std; void drawHist(Mat &hist, int type, string name) //歸一化并繪制直方圖函數(shù)
{ int hist_w = 512; int hist_h = 400; int width = 2; Mat histImage = Mat::zeros(hist_h, hist_w, CV_8UC3); normalize(hist, hist, 1, 0, type, -1, Mat()); for (int i = 1; i <= hist.rows; i++) { rectangle(histImage, Point(width*(i - 1), hist_h - 1), Point(width*i - 1, hist_h - cvRound(hist_h*hist.at<float>(i - 1)) - 1), Scalar(255, 255, 255), -1); } imshow(name, histImage);
}
//主函數(shù)
int main()
{ //system("color F0"); //更改輸出界面顏色Mat img = imread("../pic/gril_1.jpg"); if (img.empty()) { cout << "請確認圖像文件名稱是否正確" << endl; return -1; } Mat gray, hist, gray2, hist2, gray3, hist3; cvtColor(img, gray, COLOR_BGR2GRAY); resize(gray, gray2, Size(), 0.5, 0.5); gray3 = imread("../pic/hand.jpg", IMREAD_GRAYSCALE); const int channels[1] = { 0 }; float inRanges[2] = { 0,255 }; const float* ranges[1] = { inRanges }; const int bins[1] = { 256 }; calcHist(&gray, 1, channels, Mat(), hist, 1, bins, ranges); calcHist(&gray2, 1, channels, Mat(), hist2, 1, bins, ranges); calcHist(&gray3, 1, channels, Mat(), hist3, 1, bins, ranges); drawHist(hist, NORM_INF, "hist"); drawHist(hist2, NORM_INF, "hist2"); drawHist(hist3, NORM_INF, "hist3"); //原圖直方圖與原圖直方圖的相關(guān)系數(shù)double hist_hist = compareHist(hist, hist, HISTCMP_CORREL); cout << "apple_apple=" << hist_hist << endl; //原圖直方圖與縮小原圖后的直方圖的相關(guān)系數(shù)double hist_hist2 = compareHist(hist, hist2, HISTCMP_CORREL); cout << "apple_apple256=" << hist_hist2 << endl; //兩幅不同圖像直方圖相關(guān)系數(shù)double hist_hist3 = compareHist(hist, hist3, HISTCMP_CORREL); cout << "apple_lena=" << hist_hist3 << endl; waitKey(0); return 0;
}3. 測試結(jié)果?
?
