【matlab】：matlab实现计算两张图片的相似度

通过直方图的方法

 每张图片都可以生成其灰度图像直方图（histogram）。如果两张图片的直方图很接近，就可以认为它们很相似。

     因此，此处我们利用两幅图像的直方图来进行相似度的比较。原理较为简单，具体算法如下：

1、获得输入灰度图像的直方图分布；

2、将直方图划分为64个区，每个区为连续的4个灰度等级；

3、对每个区的4个值进行求和运算，得到1个数据，如此，会得到64个数据，即为该幅图像的一个向量（指纹）；

4、根据步骤【1、2、3】，我们将输入的两幅图像转化为了2个向量，记为A、B；

5、计算两个向量的相似度，可以用皮尔逊相关系数或者余弦相似度计算，这里我们采用【余弦相似度】；

下面就顺便介绍一下余弦相似度的概念及用法：

      对于两个向量，我们可以把它们想象成空间中的两条线段，都是从原点（[0, 0, ...]）出发，指向不同的方向。两条线段之间形成一个夹角，如果夹角为0度，意味着方向相同、线段重合；如果夹角为90度，意味着形成直角，方向完全不相似；如果夹角为180度，意味着方向正好相反。因此，我们可以通过夹角的大小，来判断向量的相似程度。夹角越小，就代表越相似。

                             

以二维空间为例，上图的a和b是两个向量，我们要计算它们的夹角θ。余弦定理告诉我们，可以用下面的公式求得：

                  

                         

假定a向量是[x1, y1]，b向量是[x2, y2]，那么可以将余弦定理改写成下面的形式：

             

            

数学家已经证明，余弦的这种计算方法对n维向量也成立。假定A和B是两个n维向量，A是 [A1, A2, ..., An] ，B是 [B1, B2, ..., Bn] ，则A与B的夹角θ的余弦等于：

         

使用这个公式，我们就可以得到，句子A与句子B的夹角的余弦。

余弦值越接近1，就表明夹角越接近0度，也就是两个向量越相似，这就叫"余弦相似性"。

6、得到两个向量的夹角之后，我们就可以通过角度的大小来判别它们的相似程度。

7、至此，我们就完成了两幅图像的相似度计算，因此，可以通过此算法来寻找相似的图像。

下面为实验MATLAB代码：

%相似图像搜索：利用直方图分布相似度

%1：获得输入两幅图片的直方图分布

%2：将直方图依次划分为64个区，即每个区有4个灰度等级

%3：分别将各自的64个区生成64个元素，即一个向量（图像指纹）

%4：计算两个向量的余弦相似度

%5：判断，若相似度

function v=tineyesearch_hist(picture1,picture2)

t1=picture1;

[a1,b1]=size(t1);

t2=picture2;

t2=imresize(t2,[a1 b1],'bicubic');%缩放为一致大小

t1=round(t1);

t2=round(t2);

e1=zeros(1,256);

e2=zeros(1,256);

%获取直方图分布

for i=1:a1

    for j=1:b1

        m1=t1(i,j)+1;

        m2=t2(i,j)+1;

        e1(m1)=e1(m1)+1;

        e2(m2)=e2(m2)+1;

    end

end

figure;

imhist(uint8(t1));

figure;

imhist(uint8(t2));

%将直方图分为64个区

m1=zeros(1,64);

m2=zeros(1,64);

for i=0:63

    m1(1,i+1)=e1(4*i+1)+e1(4*i+2)+e1(4*i+3)+e1(4*i+4);

    m2(1,i+1)=e2(4*i+1)+e2(4*i+2)+e2(4*i+3)+e2(4*i+4);

end

%计算余弦相似度

A=sqrt(sum(sum(m1.^2)));

B=sqrt(sum(sum(m2.^2)));

C=sum(sum(m1.*m2));

cos1=C/(A*B);%计算余弦值

cos2=acos(cos1);%弧度

v=cos2*180/pi;%换算成角度

figure;

imshow(uint8([t1,t2]));

title(['余弦值为：',num2str(cos1),'       ','余弦夹角为：',num2str(v),'°']);

%完

下面为实验所用图片和效果：

                     

school1.jpg

school2.jpg

         

school1.jpg直方图分布

             

school2.jpg直方图分布