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：
- 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：
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"; }
