OpenCV图像处理之直方图比较方法详解
作者:肖爱Kun
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!