opencv_26直方图比较

• 对输入的两张图像计算得到直方图H1,H2，归一化到相同的尺度空间然后可以通过计算H1和H2之间的距离得到两个直方图的相似程度，今儿比较两幅图像的相似程度。
• opencv 提供四种方法
• Correlation 相关性比较
• Chi-Square 卡方交叉性
• Intersection 十字交叉性
• Bhattacharyya distance 巴氏距离

一.直方图相关性计算 HISTCMP_CORREL

• d 的范围是(-1,1),越靠近1表示两个直方图越相似。N是BIN的个数。

二.卡方计算

HISTCMP_CHISQR

• d越接近0，两个直方图越相似。
  ####三. 十字交叉判断相似
  HISTCMP_INTERSECT

• 取两个最小的直方图数据。不常用

四.巴氏距离

HISTCMP_BHATTACHARYYA

-d: 0-1. 越接近0越相关。很准确，直方图均值相比
####五.相关API及其方法

• 首先把图像从RGB色彩空间转换到HSV空间。直方图对H(色调)，S(饱和度)较敏感，取这两个空间的直方图。
• 计算直方图 calcHist
• 将色彩空间归一化到 0-1: normalize()
• compareHist 使用上诉四种方法

compareHist{
直方图数据h1;
直方图数据h2；
int method; //比较方法之一
}

#include<opencv2/opencv.hpp>
#include<iostream>
#include<math.h>

using namespace cv;
using namespace std;
//double 转string 
string convertToString(double d) {
	ostringstream os;
	if (os << d)
		return os.str();
	return "invalid conversion";
}
int main()
{
	Mat hsv1, hsv2;
	Mat src = imread("C:\\Users\\Administrator\\Pictures\\Saved Pictures\\timg6ZAGKYHR.jpg");
	Mat src1 = imread("C:\\Users\\Administrator\\Pictures\\Saved Pictures\\timg9SXPUUP4.jpg");
	MatND hist_base;//由于是多通道的矩阵用MatND
	MatND hist_test1;
	int channels[] = { 0,1 };//H,S通道
	int h_bins = 50; 
	int s_bins = 60;
	int histSize[] = { h_bins,s_bins };//BIN:50个阶层，，，60个阶层
	float h_range[] = { 0 , 180 };//BIN:H(0-180),
	float s_range[] = { 0,256 };//BIN:S(0-256),
	const float* ranges[] = { h_range ,s_range };//注意此处是const
	if (src.empty())
	{
		printf("ould not find image \n");
		return -1;
	}
	cvtColor(src, hsv1, COLOR_BGR2HSV);
	cvtColor(src1, hsv2, COLOR_BGR2HSV);

	calcHist(&src, 1, channels, Mat(), hist_base, 2, histSize, ranges, true, false);
	normalize(hist_base, hist_base, 0, 1, NORM_MINMAX, -1, Mat());

	calcHist(&src1, 1, channels, Mat(), hist_test1, 2, histSize, ranges, true, false);
	normalize(hist_test1, hist_test1, 0, 1, NORM_MINMAX, -1, Mat());


	double src_src1 = compareHist(hist_base, hist_test1, HISTCMP_CORREL);//src1与src做直方图相关性比较
	double src_src2 = compareHist(hist_base, hist_test1, HISTCMP_BHATTACHARYYA);//src1与src做直方图巴氏距离比较
	putText(src, convertToString(src_src1), Point(50, 50), FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA);
	putText(src1, convertToString(src_src2), Point(50, 50), FONT_HERSHEY_COMPLEX, 1, Scalar(0, 255, 255), 2, LINE_AA);
	imshow("opencv set up demo", src);
	imshow("opencv set up demo1", src1);
	//直方图比较：两张图像或图像中的区域，若其直方图是相似的，其图像也可能是相似的。
	waitKey(0);
	return 1;
}