内容简介:版权声明:本文由 Micheal 超 博客 创作,未经博主允许不得转载。 https://blog.csdn.net/qq_42887760/article/details/86527968
版权声明:本文由 Micheal 超 博客 创作,未经博主允许不得转载。 https://blog.csdn.net/qq_42887760/article/details/86527968
直方图比较方法-概述
对输入的两张图像计算得到直方图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。Opencv提供的比较方法有四种:
- Correlation 相关性比较 -(计算结果范围为 -1到1 -1很不相关,1完全一样 )
- Chi-Square 卡方比较 -(计算结果越接近0,两个直方图越相似)
- Intersection 十字交叉性 -(计算公式为取两个直方图每个相同位置的值的最小值,然后求和,这个比较方式不是很好,不建议使用)
- Bhattacharyya distance 巴氏距离 - (比较结果是很准的,计算结果范围为 0-1 ,0表示两个直方图非常相关,1最不相似)
1. 直方图比较方法-相关性计算(CV_COMP_CORREL)
计算结果范围为 -1到1 -1很不相关,1完全一样
2. 直方图比较方法-卡方计算(CV_COMP_CHISQR)
计算结果越接近0,两个直方图越相似
H1,H2分别表示两个图像的直方图数据
3. 直方图比较方法-十字计算(CV_COMP_INTERSECT)
计算公式为取两个直方图每个相同位置的值的最小值,然后求和,这个比较方式不是很好,不建议使用
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 )
比较结果是很准的,计算结果范围为 0-1 ,0表示两个直方图非常相关,1最不相似
H1,H2分别表示两个图像的直方图数据
相关API(cv::compareHist)
- 首先把图像从RGB色彩空间转换到HSV色彩空间cvtColor
- 计算图像的直方图,然后归一化到[0~1]之间calcHist和normalize;
- 使用上述四种比较方法之一进行比较compareHist
compareHist( InputArray h1, // 直方图数据,下同 InputArray H2, int method// 比较方法,上述四种方法之一 )
程序步骤:
- 加载图像数据
- 从RGB空间转换到HSV空间
- 计算直方图并归一化
- 比较直方图,并返回值
程序代码
#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) { // 1. 声明储存基准图像和另外两张对比图像的矩阵( RGB 和 HSV ) Mat base, test1, test2; Mat hsvbase, hsvtest1, hsvtest2; // 2. 装载基准图像(src_base) 和两张测试图像: base = imread("E:/Experiment/OpenCV/Pictures/lenanoise.jpg"); if (!base.data) { printf("could not load image...\n"); return -1; } test1 = imread("E:/Experiment/OpenCV/Pictures/lena.jpg"); test2 = imread("E:/Experiment/OpenCV/Pictures/lena1.jpg"); // 3. 将图像转化到HSV格式: cvtColor(base, hsvbase, CV_BGR2HSV);//转换为 HSV 颜色空间,也是3通道 cvtColor(test1, hsvtest1, CV_BGR2HSV); cvtColor(test2, hsvtest2, CV_BGR2HSV); // 4. 初始化计算直方图需要的实参(bins, 范围,通道 H 和 S ). 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 }; // 5. 创建储存直方图的 MatND 实例: //ND 表示二维或多维的Mat ,typedef Mat MatND; 源码中MatND的声明。 Mat表示二维的数组 MatND hist_base; MatND hist_test1; MatND hist_test2; // 6. 计算基准图像,两张测试图像 calcHist(&hsvbase, 1, channels, Mat(), hist_base, 2, histSize, ranges, true, false); normalize(hist_base, hist_base, 0, 1, NORM_MINMAX, -1, Mat());//归一化到 0-1 之间 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()); // 7. 使用4种对比标准将基准图像(hist_base)的直方图与其余各直方图进行对比: //比较的算法 CV_COMP_CORREL CHISQR INTERSECT BHATTACHARYYA double basebase = compareHist(hist_base, hist_base, CV_COMP_CORREL); double basetest1 = compareHist(hist_base, hist_test1, CV_COMP_CORREL); double basetest2 = compareHist(hist_base, hist_test2, CV_COMP_CORREL); double tes1test2 = compareHist(hist_test1, hist_test2, CV_COMP_CORREL); printf("test1 compare with test2 correlation value :%f", tes1test2); Mat test12; test2.copyTo(test12); // 8. 将比较的结果转换为string,然后以文字的方式绘制到图形上 putText(base, convertToString(basebase), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA); putText(test1, convertToString(basetest1), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA); putText(test2, convertToString(basetest2), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA); putText(test12, convertToString(tes1test2), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA); namedWindow("base", CV_WINDOW_AUTOSIZE); namedWindow("test1", CV_WINDOW_AUTOSIZE); namedWindow("test2", CV_WINDOW_AUTOSIZE); 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) // << 运算符重载了,将double转成string return os.str(); return "invalid conversion"; }
运行截图
参考博客:
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- 直方图反向投影算法介绍与实现
- OpenCV灰度图像直方图算法实现
- MySQL 8.0新特性之统计直方图
- MySQL 8.0 中统计信息直方图的尝试
- MySQL 8.0 中统计信息直方图的尝试
- 深入理解OpenCV+Python直方图均衡化
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
Linux程序设计
马修 / 陈健 / 人民邮电出版社 / 2007-7 / 89.00元
《Linux 程序设计(第3版)》讲述在Linux系统及其他UNIX风格的操作系统上进行的程序开发,主要内容包括标准Linux C语言函数库和由不同的Linux或UNIX标准指定的各种工具的使用方法,大多数标准Linux开发工具的使用方法,通过DBM和MySQL数据库系统对Linux中的数据进行存储,为X视窗系统建立图形化用户界面等。《Linux 程序设计(第3版)》通过先介绍程序设计理论,再以适......一起来看看 《Linux程序设计》 这本书的介绍吧!