OpenCV直方图比较
肖爱Kun 人气:0一、直方图比较
直方图比较是对输入的两张图像进行计算得到直方图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(每张图像都有唯一的直方图与之对应),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)直方图比较方法-相关性计算(CV_COMP_CORREL)
其中:
其中N是直方图的BIN个数,是均值。
(2)直方图比较方法-相关性计算(CV_COMP_CORREL)
H1,H2分别表示两个图像的直方图数据
(3)直方图比较方法-十字交叉性计算(CV_COMP_INTERSECT)
H1,H2分别表示两个图像的直方图数据
(4)直方图比较方法-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,
二、图像直方图比较方法
加载原图像
将图像色彩空间由BGR三通道转换为HSV空间(由于直方图对亮度和灰度比较敏感,色彩空间转换就是突出这两个因素尽量去除其他因素)
计算直方图进行归一化处理,归一化到0到1之间,调用calcHist和normalize
直方图比较,使用上述四种方法之一,调用compareHist
直方图比较API函数接口
API接口
double compareHist(InputArray h1,InputArray H2,int method)
参数说明:
第一个参数InputArray类型 h1,直方图数据
第二个参数InputArray类型 h2,直方图数据
第三个参数int类型 method比较方法,上述四种方法之一
返回值:采用上述四中方法之一计算后的两个直方图相关系数
关于 int method 的取值:
enum HistCompMethods { HISTCMP_CORREL = 0, //相关性比较 HISTCMP_CHISQR = 1, //卡方比较 HISTCMP_INTERSECT = 2, //十字交叉性 HISTCMP_BHATTACHARYYA = 3, //巴氏距离 HISTCMP_HELLINGER = HISTCMP_BHATTACHARYYA, HISTCMP_CHISQR_ALT = 4, //替代卡方:通常用于纹理比较。 HISTCMP_KL_DIV = 5 //KL散度 };
不同直方图相关性比较方法的特点:
Correlation相关性比较(CV_COMP_CORREL)值越大,相关度越高,最大值为1,最小值为0,越接近1越相似
Chi-Square卡方比较(CV_COMP_CHISQR) 值越小,相关度越高,最大值无上界,最小值0,越接近0越相似
Intersection十字交叉性(CV_COMP_INTERSECT)对于相似度比较,值越大,表明相关度越高,最大值无上界;完美匹配为1,完全不匹配为0;
Bhattacharyya distance巴氏距离(CV_COMP_BHATTACHARYYA)值越小,相关度越高,最大值为1,最小值为0,越接近1越相似
三、代码实现
#include"stdafx.h" #include <opencv2/opencv.hpp> #include <iostream> #include <math.h> using namespace std; using namespace cv; string convertToString(double d); int main(int argc, char** argv) { Mat base, test1, test2; //RGB图像 Mat hsvbase, hsvtest1, hsvtest2; //HSV图像 base = imread("F:/photo/zx.jpg"); if (!base.data) { printf("could not load image...\n"); return -1; } test1 = imread("F:/photo/a.jpg"); test2 = imread("F:/photo/c.jpg"); //转化为HSV图像 cvtColor(base, hsvbase, COLOR_BGR2HSV); cvtColor(test1, hsvtest1, COLOR_BGR2HSV); cvtColor(test2, hsvtest2, COLOR_BGR2HSV); 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 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()); double basebase = compareHist(hist_base, hist_base, 2);//zx double basetest1 = compareHist(hist_base, hist_test1,2);//zx and a double basetest2 = compareHist(hist_base, hist_test2, 2);//zx and c double tes1test2 = compareHist(hist_test1, hist_test2, 2);//a and c printf("test1 compare with test2 correlation value :%f", tes1test2); Mat test12; test2.copyTo(test12); putText(base, convertToString(basebase), Point(50, 50), FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA); //zx putText(test1, convertToString(basetest1), Point(50, 50), FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA);//zx and a putText(test2, convertToString(basetest2), Point(50, 50), FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA);//zx and c putText(test12, convertToString(tes1test2), Point(50, 50), FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA);//a and c namedWindow("base", 0); resizeWindow("base", base.cols / 2, base.rows / 2); namedWindow("test1", 0); resizeWindow("test1", test1.cols / 2, test1.rows / 2); namedWindow("test2", 0); resizeWindow("test2", test2.cols / 2, test2.rows / 2); 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"; }
四、图像处理效果
代码中,车道线图片base自行十字交叉性比较,basebase = 36.8538,数值越大,图像相关性程度越高
base图片与test1图片进行十字交叉性比较,test1base = 9.55181,数值较小,图像相识度较低
下面图像是test1图像与test2图像直方图对比,test2base = 7.98399,相识度较小
加载全部内容