OpenCV图像处理之直方图比较方法详解

 更新时间:2022年09月06日 10:21:09   作者:肖爱Kun  
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,进而比较图像本身的相似程度。本文将为大家详细讲讲直方图比较的实现方法,需要的可以参考一下

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

到此这篇关于OpenCV图像处理之直方图比较方法详解的文章就介绍到这了,更多相关OpenCV直方图比较内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • Java C++ 算法leetcode828统计子串中唯一字符乘法原理

    Java C++ 算法leetcode828统计子串中唯一字符乘法原理

    这篇文章主要为大家介绍了Java C++ 算法leetcode828统计子串中唯一字符乘法原理详解,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
    2022-09-09
  • 详解C#byte数组怎么传入C

    详解C#byte数组怎么传入C

    在本篇内容里小编给大家整理了关于C#byte数组怎么传入C的相关知识点内容,有兴趣的朋友们学习参考下。
    2019-03-03
  • C语言 存储类详解及示例代码

    C语言 存储类详解及示例代码

    本篇文章主要介绍C语言 存储类,这里帮大家整理了存储类的基础资料,并提供示例代码和详细介绍,有兴趣的小伙伴可以参考下
    2016-08-08
  • 浅谈C++标准库

    浅谈C++标准库

    C++标准库是一组C++模板类,提供了通用的编程数据结构和函数,本文简单讲解C++标准库包含的一些内容,可能会对小伙伴的学习或工作有一定的帮助,大家一起来看看吧
    2021-08-08
  • C++ vector操作实现

    C++ vector操作实现

    这篇文章主要介绍了C++ vector操作实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2019-12-12
  • Qt http编程之nlohmann json库使用详解

    Qt http编程之nlohmann json库使用详解

    nlohmann是一个C++的JSON库,它提供了方便的方式来解析、生成和操作JSON数据,这篇文章主要为大家介绍了nlohmann json库的简单使用,希望对大家有所帮助
    2024-04-04
  • COLORREF,COLOR,RGB,CString的转化总结分析

    COLORREF,COLOR,RGB,CString的转化总结分析

    实际的软件开发过程中,常需要用到非.net平台的代码。这时候就可能碰到ColorRef(也就是以int类型代表的颜色值或是以DWORD值表示的颜色)。这跟.net平台下的颜色的相互转换MS并没有直接实现
    2013-09-09
  • 详解C语言如何实现双向带头循环链表

    详解C语言如何实现双向带头循环链表

    双向带头循环链表应该是链表中非常方便的一种,可以很容易的在任意位置上进行插入和删除,可以很容易的对链表进行管理。本文将利用C语言实现双向带头循环链表,需要的可以参考一下
    2022-08-08
  • C++ OpenCV实现图像去水印功能

    C++ OpenCV实现图像去水印功能

    本文将介绍如何使用OpenCV C++ 进行简单图像水印去除。我们在网上download图片时,经常因为版权问题有水印。本案例通过编写算法进行简单水印去除。需要的可以参考一下
    2022-01-01
  • C语言数据结构之复杂链表的拷贝

    C语言数据结构之复杂链表的拷贝

    复杂链表指的是一个链表有若干个结点,每个结点有一个数据域用于存放数据,还有两个指针域,其中一个指向下一个节点,还有一个随机指向当前复杂链表中的任意一个节点或者是一个空结点。今天我们要实现的就是对这样一个复杂链表复制产生一个新的复杂链表
    2021-11-11

最新评论