分数比较

Posted 2023-05-12 zljzy

分数比较：

比较两个分数的大小。

解题思路：

输入两个分数，构造可以求出最小公倍数的函数，利用函数求出分母相同时两分子的大小， 比较大小，根据要求输出结果。

代码：

#include<iostream>

using namespace std;

int bei(int x,int y)

    int t,temp,k=x*y;

    if(x<y)

   

        temp=x;

        x=y;

        y=temp;

   

    while(y!=0)

   

        t=x%y;

        x=y;

        y=t;

   

    k/=x;

    return k;

int main()

    int a,b,c,d;

    cin>>a>>b>>c>>d;

    int m,n;

    m=bei(b,d)/b*a;

    n=bei(b,d)/d*c;

    if(m>n)

        cout<<a<<"/"<<b<<">"<<c<<"/"<<d<<endl;

    else

        if(m==n)

            cout<<a<<"/"<<b<<"="<<c<<"/"<<d<<endl;

        else

            cout<<a<<"/"<<b<<"<"<<c<<"/"<<d<<endl;

    return 0;

从 OpenCv 图像比较中获取比较分数

【中文标题】从 OpenCv 图像比较中获取比较分数

【英文标题】：Getting comparison score from OpenCv image comparison

【发布时间】：2020-01-16 13:52:08

【问题描述】：

我正在尝试在 OpenCv 中编写一个函数来比较两个图像 - imageA 和 imageB，以检查它们的相似程度。

我想得出三个比较分数（0 到 100 值），如下所示。 1. 直方图 - compareHist() : OpenCV 方法 2. 模板匹配 - matchTemplate() : OpenCV 方法 3. 特征匹配 - BFMatcher() : OpenCV 方法

关于上述计算得出的分数，我想得出一个关于匹配的结论。 我成功地让这个功能工作，但没有得到它的比较分数。如果有人可以帮助我，我会很棒。此外，也欢迎有关此类图像匹配的任何其他建议。

我知道有不同种类的算法可用于上述功能。所以，只是澄清我将使用的图像类型。 1. 如上所述，这将是一对一的比较。 2. 它的所有图像都是由人类使用移动相机拍摄的。 3.匹配的图像将主要从同一地点拍摄同一物体/地点。 （根据一天中的时间，照明可能会有所不同） 4. 如果图像不匹配，用户将被要求点击另一个，直到匹配。 5. 比较的图片种类可以包括-走廊、办公桌、电脑屏幕（屏幕上要比较的内容）、胡椒文件等。

【问题讨论】：

你看过detect and visualize differences between two images with OpenCV Python吗？一种方法是使用 SSIM，它返回一个差异掩码和一个分数，您可以使用它来确定两个图像之间的相似度

发布您的代码，以防止在除您感兴趣的方向之外的所有方向编写代码。因此，无需重新发明*** ;-) 此外，发布也适用于“但不能获得比较分数”的代码部分。最重要的是添加语言特异性...... C++、C# 还是 Python？

【参考方案1】：

1- 使用直方图，您可以使用直方图交集获得比较分数。如果你将两个直方图的交集除以两个直方图的并集，会给你一个介于0之间的分数（根本不匹配）和 1 （完全匹配）如下图中的示例：

您可以使用简单的 For 循环计算直方图的交集。

2- 在模板匹配中，每种比较方法得到的分数都不同。在这个link 你可以看到每个方法的细节。在某些方法中，最高分意味着最佳匹配，但在另一些方法中，最低分意味着最匹配。为了定义一个介于 0 和 1 之间的分数，您应该考虑 2 个分数：一个用于将图像与其自身匹配（最匹配分数），另一个用于匹配两个完全不同的图像（最低匹配），然后 normalize按图像中的像素数得分（height*width）。

3- 特征匹配不同于最后两种方法。您可能有两个相似的图像，但特征很差（匹配失败），或者有两个概念上不同的图像并且有很多匹配的特征。尽管如果图像功能丰富，我们可以将某些内容定义为分数。为此，请考虑以下示例：

Img1 有 200 个特征 Img2 有 170 个特征 这两张图片有 100 个匹配的特征 将 0.5 (100/200) 视为整幅图像匹配分数

您还可以将匹配的特征对之间的距离纳入评分，但我认为这就足够了。

【参考方案2】：

关于比较分数。您是否尝试过实施加权平均以获得最终的比较指标？根据准确性对您正在实施的 3 种匹配方法进行加权，最佳方法获得“最重”的权重。

另外，如果您想探索其他匹配方法，请尝试基于 FFT 的匹配：http://machineawakening.blogspot.com/2015/12/fft-based-cosine-similarity-for-fast.html