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
（1）相关性计算(CV_COMP_CORREL)
，其中
（2）卡方计算(CV_COMP_CHISQR)
（3）十字计算(CV_COMP_INTERSECT)
（4）巴氏距离计算(CV_COMP_BHATTACHARYYA )
相关操作流程：
首先把图像从 RGB 色彩间转换到 HSV 色彩空间： cvtColor
计算图像的直方图，然后归一化到 [0~1] 之间： calcHist、 normalize;
使用上述四种比较方法之一进行比较： compareHist
API介绍：
compareHist(
InputArray h1, // 直方图数据1
InputArray H2,//直方图数据2
int method// 比较方法，上述四种方法之一
)//返回一个double类型的数据。
以下是代码演示：
#include <opencv2/opencv.hpp> #include <iostream> #include <math.h> using namespace std; using namespace cv; //由于opencv不支持double类型到string类型转换，所以借助这个函数进行实现。 string convertToString(double d); int main(int argc, char** argv) { Mat base, test1, test2; Mat hsvbase, hsvtest1, hsvtest2; base = imread("D:/photo/4.jpg"); if (!base.data) { printf("could not load image...\n"); return -1; } test1 = imread("D:/photo/8.jpg"); test2 = imread("D:/photo/9.jpg"); //图像转换到HSV空间进行比较 cvtColor(base, hsvbase, CV_BGR2HSV); cvtColor(test1, hsvtest1, CV_BGR2HSV); cvtColor(test2, hsvtest2, CV_BGR2HSV); //设定直方图需要相关参数 int h_bins = 50; int s_bins = 60; int v_bins = 60; int histSize[] = { h_bins, s_bins, v_bins}; // hue varies from 0 to 179, saturation from 0 to 255 float h_ranges[] = { 0, 180 }; //色调H用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,品红为300°； float s_ranges[] = { 0, 256 }; float v_ranges[] = { 0, 256 }; const float* ranges[] = { h_ranges, s_ranges, v_ranges}; // Use the o-th and 1-st channels int channels[] = {0 , 1};//比较H和S通道直方图，由于函数只能最多比较2维直方图，所以需要进行选择。 //int channels[] = { 1, 2};//比较S和V通道直方图 //int channels[] = {0};//只比较第一个H通道的直方图选择。 //新建多维度Mat类型变量 MatND hist_base; MatND hist_test1; MatND hist_test2; //进行直方图提取以及归一化计算 calcHist(&hsvbase, 1, channels, Mat(), hist_base, 1, histSize, ranges, true, false); normalize(hist_base, hist_base, 0, 1, NORM_MINMAX, -1, Mat()); calcHist(&hsvtest1, 1, channels, Mat(), hist_test1, 1, histSize, ranges, true, false); normalize(hist_test1, hist_test1, 0, 1, NORM_MINMAX, -1, Mat()); calcHist(&hsvtest2, 1, channels, Mat(), hist_test2, 1, histSize, ranges, true, false); normalize(hist_test2, hist_test2, 0, 1, NORM_MINMAX, -1, Mat()); //进行直方图比较，分别列出了几个不同的类型 double basebase = compareHist(hist_base, hist_base, 0); double basetest1 = compareHist(hist_base, hist_test1, 1); double basetest2 = compareHist(hist_base, hist_test2, 2); double tes1test2 = compareHist(hist_test1, hist_test2, 3); printf("test1 compare with test2 correlation value :%f", tes1test2); //设置图像进行相关显示 Mat test12; test2.copyTo(test12); putText(base, convertToString(basebase), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, CV_AA); putText(test1, convertToString(basetest1), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, CV_AA); putText(test2, convertToString(basetest2), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, CV_AA); putText(test12, convertToString(tes1test2), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, CV_AA); namedWindow("base", CV_WINDOW_AUTOSIZE); namedWindow("test1", CV_WINDOW_AUTOSIZE); namedWindow("test2", CV_WINDOW_AUTOSIZE); imshow("base", base); imshow("test1", test1); imshow("test2", test2); imshow("test12", test12); waitKey(0); return 0; } string convertToString(double d) { ostringstream os; if (os << d) return os.str(); return "invalid conversion"; }
相关结果显示：
（1）只计算H通道的情况：
（2）计算H和S双通道直方图结果：
（3）计算S和V双通道结果：
