使用直方图比较 C++ 匹配图像

Posted 2023-02-22

【中文标题】使用直方图比较 C++ 匹配图像

【英文标题】：Matching images using Histogram comparison c++

【发布时间】：2013-10-25 11:53:13

【问题描述】：

我有一个基本图像（一个数字或一个运算符），我必须将其与 14 个图像（0 到 9 和 * / - +）进行比较才能知道哪一个与基本图像匹配。

我创建了基础图像的直方图，并使用循环为所有 14 个图像的直方图创建了直方图。

在循环中，对于每个新创建的直方图，我使用 compareHist() 函数与基本直方图进行比较。并输出结果的双精度值。

使用相关或卡方或交集或 Bhattacharyya 方法：

我得到了一组特定的值。而且当使用不同的基数时，我仍然得到相同的一组值。

为什么我会得到这个？我是否需要更改 normalize 函数以获得不同碱基的不同值？

代码：

void matchHistogram()

Mat src_base, hsv_base;
Mat src_test1, hsv_test1;

/// Histograms
MatND hist_base;
MatND hist_test1;

/// Using 30 bins for hue and 32 for saturation
int h_bins = 30; int s_bins = 32;
int histSize[] =  h_bins, s_bins ;

// hue varies from 0 to 255, saturation from 0 to 180
float h_ranges[] =  0, 255 ;
float s_ranges[] =  0, 180 ;

const float* ranges[] =  h_ranges, s_ranges ;

// Use the o-th and 1-st channels
int channels[] =  0, 1 ;


for(int i=0;i<noOfcropped;i++) //get base image  //noOfCropped is number of base images i'll compare to 14 images
    cout<<"     "<<i<<endl;
    stringstream croppedimage;
    croppedimage<<"CroppedImages/croppedImage"<<i;
    croppedimage<<".jpg";

    src_base = imread( croppedimage.str(), 1 );
    imshow(croppedimage.str(),src_base);

    /// Convert to HSV
    cvtColor( src_base, hsv_base, CV_BGR2HSV );


    /// Calculate the histogram for the HSV images
    calcHist( &hsv_base, 1, channels, Mat(), hist_base, 2, histSize, ranges);
    normalize( hist_base, hist_base, 0, 1,  NORM_MINMAX, -1, Mat() );


    for(int j=0;j<14;j++)//comparing 1 croppedimage with each different characters
        cout<<"  "<<j<<endl;
        stringstream test1;
        test1<<"ImagesToCompare/"<<j;
        test1<<".jpg";

        src_test1 = imread(test1.str(), 1 );

        /// Convert to HSV
        cvtColor( src_test1, hsv_test1, CV_BGR2HSV );

        /// Calculate the histogram for the HSV images
        calcHist( &hsv_test1, 1, channels, Mat(), hist_test1, 2, histSize, ranges);
        normalize( hist_test1, hist_test1, 0, 1,NORM_MINMAX, -1, Mat() );

        /// Apply the histogram comparison methods
        int compare_method = 0;
        //when 0 or 2, highest comparison values>> best match
        //when 1 or 3, lowest comparison values>> best match
        double base_test1 = compareHist( hist_base, hist_test1, compare_method );


        cout<<base_test1<<endl;
    

【问题讨论】：

1) 你必须使用直方图吗？ 2) 你是从同一组图像中比较的图像，所以它是一个精确的副本（宽度、高度、分辨率等）？

我想使用直方图，但如果有其他更简单的方法我可以尝试实现。而且不一样，开头的图像是方程式的照片（例如：5 + 5）每个元素被提取为5，+，5。（提取部分导致图像在背景中为黑色和白色对于元素。）每个元素现在都是一个图像，我用它来与这组 14 个图像进行比较。这 14 张图片背景为白色，元素为黑色。

【参考方案1】：

如果我正确理解了您的问题，您从一些类似位图的图像中分离并裁剪了一个字符，然后您想确定它是什么字符？ 比如自动字符识别？

也许您可以使用边缘检测器而不是比较直方图？

我会尝试类似的算法：

查找、隔离和裁剪要识别的字符 将其缩放到预定的水平和垂直尺寸以对其进行标准化。 在角色上扫描一个定向边缘检测器，像 Sobel 这样简单的东西 边缘检测器。 首先应用水平边缘检测器，然后水平“展平”边缘图 获得表示每个像素行的边缘信息的向量。 （即计算每个像素行的边缘图中的 1 和 0） 第二次应用垂直边缘检测器，并垂直展平边缘图 另一个向量，表示每个像素列的边缘信息。 （即对每个像素列的边缘信息进行累积和计数） 连接这两个向量[水平边缘信息， 垂直边缘信息] 然后将最终连接的向量与一个库进行比较 已知测试样本的预计算向量 (0-9, +/*-)

看起来有些相似的数字 (8,6,9,3) 在水平分量或垂直分量中仍应具有明显的峰和谷。

【讨论】：

不同是什么意思？

我的意思是，您可以轻松区分字符“1”和字符“3”生成的向量。