OpenCv直方图对比图片的相似性

最新推荐文章于 2022-01-25 17:39:10 发布

转载最新推荐文章于 2022-01-25 17:39:10 发布 · 960 阅读

本文深入探讨了OpenCV中用于比较图片直方图的技术，包括对比标准及其应用，详细介绍了Correlation、Chi-Square、Intersection和Bhattacharyya距离四种对比方法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

OpenCv直方图对比图片的相似性

原理

要比较两个直方图( $H_{1}$ and $H_{2}$ ), 首先必须要选择一个衡量直方图相似度的 对比标准 ( $d(H_{1}, H_{2})$ ) 。
OpenCV 函数 compareHist 执行了具体的直方图对比的任务。该函数提供了4种对比标准来计算相似度：
1. Correlation ( CV_COMP_CORREL )
  
  $d(H_1,H_2) = \frac{\sum_I (H_1(I) - \bar{H_1}) (H_2(I) - \bar{H_2})}{\sqrt{\sum_I(H_1(I) - \bar{H_1})^2 \sum_I(H_2(I) - \bar{H_2})^2}}$
  
  其中
  
  $\bar{H_k} = \frac{1}{N} \sum _J H_k(J)$
  
  是直方图中bin的数目。
2. Chi-Square ( CV_COMP_CHISQR )
  
  $d(H_1,H_2) = \sum _I \frac{\left(H_1(I)-H_2(I)\right)^2}{H_1(I)+H_2(I)}$
3. Intersection ( CV_COMP_INTERSECT )
  
  $d(H_1,H_2) = \sum _I \min (H_1(I), H_2(I))$
4. Bhattacharyya 距离( CV_COMP_BHATTACHARYYA )
  
  $d(H_1,H_2) = \sqrt{1 - \frac{1}{\sqrt{\bar{H_1} \bar{H_2} N^2}} \sum_I \sqrt{H_1(I) \cdot H_2(I)}}$