OpenCV 直方图比较

Posted 2022-02-12 流楚丶格念

文章目录

• 直方图比较
• • 直方图其他基础知识
  • 直方图比较方法——概述
  • • 相关性计算(CV_COMP_CORREL)
    • 卡方计算(CV_COMP_CHISQR)
    • 十字计算(直方图相交)(CV_COMP_INTERSECT)
    • 巴氏距离计算(CV_COMP_BHATTACHARYYA )
  • 匹配结果总结
• 相关API
• • normalize
  • compareHist
• 代码示例

直方图比较

直方图其他基础知识

直方图均值化：https://yangyongli.blog.csdn.net/article/details/122663843

直方图计算：https://yangyongli.blog.csdn.net/article/details/122663843

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
• Chi-Square 卡方比较
• Intersection 十字交叉性
• Bhattacharyya distance 巴氏距离

相关性计算(CV_COMP_CORREL)

公式如下：

其中

如果H1 = H2，即两个图的直方图一样，分子等于分母，值为1，所以在不严格的情况下，当值为1时，可以认为两个图是一样的。

但是也有可能会出现两个图不一样，但是两个图的直方图是一样的情况。因为直方图计算的是像素点个数的分布情况，但是不会显示像素点的位置，所以有可能会出现两幅图片不一样，但是相同像素的个数完全一样，那他们的直方图也是一样的，不过这种情况，不常有。

卡方计算(CV_COMP_CHISQR)

计算公式：

H1,H2分别表示两个图像的直方图数据

通过这个公式我们能够发现，卡方比较和相关性比较恰恰相反：

• 相关性比较的值为0，相似度最低；
• 越趋近于1，相似度越低；

卡方比较则是，值为0时说明H1= H2，这个时候相似度最高。

十字计算(直方图相交)(CV_COMP_INTERSECT)

计算公式：

H1,H2分别表示两个图像的直方图数据

度量越高，匹配越准确

巴氏距离计算(CV_COMP_BHATTACHARYYA )

H1,H2分别表示两个图像的直方图数据

在直方图相似度计算时，巴氏距离获得的效果最好，但计算是最为复杂的。巴氏距离的计算结果，其值完全匹配为0，完全不匹配则为1。

匹配结果总结

相关性与直方图相交（十字）：当值越大时表示相似度越高
卡方和巴适：当值越小时表示相似度越高

相关API

计算图像的直方图，然后归一化到[0~1]之间calcHist和normalize;
normalize 函数介绍

normalize

函数作用：该函数归一化输入数组使它的范数或者数值范围在一定的范围内。

函数原型：

void normalize(
	InputArray src,
	OutputArraydst,
	double alpha = 1,
	double beta = 0,
	intnorm_type = NORM_L2,
	int dtype = -1,
	InputArray mask = noArray() 
)

函数参数：

• src :输入数组
• dst :输出数组，支持原地运算
• alpha :range normalization模式的最小值
• beta :range normalization模式的最大值，不用于norm normalization(范数归一化)模式。
• normType :归一化的类型，可以有以下的取值：

取值	含义
NORM_MINMAX	数组的数值被平移或缩放到一个指定的范围，线性归一化，一般较常用。
NORM_INF	此类型的定义没有查到，根据OpenCV 1的对应项，可能是归一化数组的C-范数(绝对值的最大值)
NORM_L1	归一化数组的L1-范数(绝对值的和)
NORM_L2	归一化数组的(欧几里德)L2-范数

• dtype :dtype为负数时，输出数组的type与输入数组的type相同；
  否则，输出数组与输入数组只是通道数相同，而tpye=CV_MAT_DEPTH(dtype).
• mask :操作掩膜，用于指示函数是否仅仅对指定的元素进行操作。

compareHist

函数作用：使用上述四种比较方法之一进行比较

函数原型：

compareHist(
	InputArray h1, 	// 直方图数据，下同
	InputArray H2,
	int method		// 比较方法，上述四种方法之一
)

method可取值：

取值	计算方式
CV_COMP_CORREL	相关性计算
CV_COMP_CHISQR	卡方计算
CV_COMP_INTERSECT	十字计算
CV_COMP_BHATTACHARYYA	巴氏距离计算

代码示例

#include <iostream>
#include <math.h>
#include <opencv2/opencv.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/highgui/highgui_c.h> 

using namespace std;
using namespace cv;
string convertToString(double d);

int main(int argc, char** argv)

	// 加载图像
	Mat base, test1, test2;
	Mat hsvbase, hsvtest1, hsvtest2;
	base = imread("./zhao1.jpg");
	if (!base.data) 
		printf("could not load image...\\n");
		return -1;
	
	test1 = imread("./zhao2.jpg");
	test2 = imread("./zhao3.jpg");

	// 从RGB空间转换到HSV空间
	cvtColor(base, hsvbase, CV_BGR2HSV);
	cvtColor(test1, hsvtest1, CV_BGR2HSV);
	cvtColor(test2, hsvtest2, CV_BGR2HSV);

	imshow("baseHSV", hsvbase);
	imshow("test1HSV", hsvtest1);
	imshow("test2HSV", hsvtest2);

	// 计算直方图与归一化
	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 是 Mat的别名，方便区分经过直方图计算处理后和输入图像
	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());
	
	// 直方图比较（十字计算）
	double basebase = compareHist(hist_base, hist_base, CV_COMP_INTERSECT);
	double basetest1 = compareHist(hist_base, hist_test1, CV_COMP_INTERSECT);
	double basetest2 = compareHist(hist_base, hist_test2, CV_COMP_INTERSECT);
	double tes1test2 = compareHist(hist_test1, hist_test2, CV_COMP_INTERSECT);
	printf("test1 compare with test2 correlation value :%f", tes1test2);

	Mat test12;
	test2.copyTo(test12);
	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);

	imshow("base与base", base);
	imshow("base与test1", test1);
	imshow("base与test2", test2);
	imshow("test1与test12", test12);

	waitKey(0);
	return 0;


// 回调函数：输出计算结果
string convertToString(double d) 

	ostringstream os;
	if (os << d)
		return os.str();
	return "invalid conversion";