C#调用C++OpenCV直方图匹配

最新推荐文章于 2024-09-08 03:30:00 发布
最新推荐文章于 2024-09-08 03:30:00 发布
阅读量1.6k 收藏 11
点赞数
文章标签： c# c++ opencv
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/FuWen_Hao/article/details/117929387
版权

C#调用C++ OpenCV4.4.0+VS2019

基于OpenCV4.4.0的直方图匹配

直方图比较

直方图比较，是用一定的标准来判断两个直方图的相似度方法；
OpenCV中提供的API是：
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：
1.Correlation 相关性比较
2.Chi - Square 卡方比较
3.Intersection 十字交叉性
4.Bhattacharyya distance 巴氏距离

相关系数的标准

相关系数的标准(method=CV_COMP_CORREL) 值越大，相关度越高，最大值为1，最小值为0

卡方系数的标准

卡方系数的标准(method=CV_COMP_CHISQR) 值越小，相关度越高，最大值无上界，最小值0

相交系数的标准

相交系数的标准(method=CV_COMP_INTERSECT)值越大，相关度越高，最大值为9.455319，最小值为0

巴氏系数的标准

巴氏系数的标准(method=CV_COMP_BHATTACHARYYA) 值越小，相关度越高，最大值为1，最小值为0

步骤

步骤：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

直方图匹配原理

Alt

任何一种颜色都是由红绿蓝三原色（RGB）构成的，所以上图共有4张直方图（三原色直方图 + 最后合成的直方图）。
如果每种原色都可以取256个值，那么整个颜色空间共有1600万种颜色（256的三次方）。针对这1600万种颜色比较直方图，计算量实在太大了，因此需要采用简化方法。可以将0～255分成四个区：0～63为第0区，64～127为第1区，128～191为第2区，192～255为第3区。这意味着红绿蓝分别有4个区，总共可以构成64种组合（4的3次方）。
任何一种颜色必然属于这64种组合中的一种，这样就可以统计每一种组合包含的像素数量。
Alt
上图是某张图片的颜色分布表，将表中最后一栏提取出来，组成一个64维向量(7414, 230, 0, 0, 8, …, 109, 0, 0, 3415, 53929)。这个向量就是这张图片的特征值或者叫"指纹"。

于是，寻找相似图片就变成了找出与其最相似的向量。

直方图匹配优缺点

优点：根据像素进行匹配，对于分辨率不同的图片效果较好，实验数据如下。
缺点：对于不同图片，但是相似，或是些许形变的图片，匹配效果并不好。

C++代码

//直方图比较
#include<opencv2/opencv.hpp>
#include<iostream>
#include<math.h>
#include<opencv2/highgui/highgui_c.h>
using namespace cv;
using namespace std;

string convertToString(double d);
int main(int argc, char* argv)
{
	Mat base, test1, test2;
	Mat hsvbase, hsvtest1, hsvtest2;
	base = imread("C:/Users/wenhaofu/Desktop/picture/NBA1.png");
	test1 = imread("C:/Users/wenhaofu/Desktop/picture/NBA2.png");
	test2 = imread("C:/Users/wenhaofu/Desktop/picture/NBA3.png");
	if (!base.data)
	{
		printf("could not load image...\n");
		return -1;
	}
	//步骤一：从RGB空间转换到HSV空间
	cvtColor(base, hsvbase, CV_BGR2HSV);
	cvtColor(test1, hsvtest1, CV_BGR2HSV);
	cvtColor(test2, hsvtest2, CV_BGR2HSV);

	//步骤二：计算直方图与归一化
	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* histRanges[] = { h_ranges,s_ranges };
	//use the 0-th and 1-st channels
	int channels[] = { 0,1 };
	MatND hist_base;
	MatND hist_test1;
	MatND hist_test2;
	//计算直方图
	calcHist(&hsvbase, 1, channels, Mat(), hist_base, 2, histsize, histRanges, true, false);
	calcHist(&hsvtest1, 1, channels, Mat(), hist_test1, 2, histsize, histRanges, true, false);
	calcHist(&hsvtest2, 1, channels, Mat(), hist_test2, 2, histsize, histRanges, true, false);

	//归一化
	normalize(hist_base, hist_base, 0, 1, NORM_MINMAX, -1, Mat());//归一化
	normalize(hist_test1, hist_test1, 0, 1, NORM_MINMAX, -1, Mat());
	normalize(hist_test2, hist_test2, 0, 1, NORM_MINMAX, -1, Mat());

	//步骤三：比较直方图，并返回值
	double basebase = compareHist(hist_base, hist_base, CV_COMP_BHATTACHARYYA);//比较直方图
	double basetest1 = compareHist(hist_base, hist_test1, CV_COMP_BHATTACHARYYA);
	double basetest2 = compareHist(hist_base, hist_test2, CV_COMP_BHATTACHARYYA);
	double test1test2 = compareHist(hist_test1, hist_test2, CV_COMP_BHATTACHARYYA);
	printf("test1 with test2 correlation value :%f", test1test2);

	//在原图中显示相关性参数
	putText(base, convertToString(basebase), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, CV_AA);
	putText(test1, convertToString(basetest1), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, CV_AA);
	putText(test2, convertToString(basetest2), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, CV_AA);
	putText(test2, convertToString(test1test2), Point(100, 100), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, CV_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);

	waitKey(0);
	return 0;
}

//由于comparehist计算出来的相关性的值是一个double型，这个函数就是把double转变为string
string convertToString(double d)
{
	ostringstream os;
	if (os << d)
		return os.str();
	return "invalid conversion";
}

C++代码转化为C#

将C++代码编译成一个dll文件

（1）在之前的C++代码上，在解决方案资源管理器中新建一个头文件（.h）
在这里插入图片描述

(2)在新建的头文件中，输入以下内容:

#include <stdio.h>
#include <stdlib.h>
#include <iostream>
#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
#include <opencv2/highgui/highgui_c.h>
#include <string>
using namespace std;
extern "C" __declspec(dllexport) std::string convertToString(double d);
extern "C" __declspec(dllexport) void histogram(char* s1, char* s2, char* s3);//因为c#与c++之间，string不能直接转换

extern "C"外部声明，表示函数和变量是按照C语言的方式编译和链接的。

_decspec（dllexport）的目的是为了将对应的函数放入到DLL动态库中。

extern “C” _declspec(dllexport)的目的是为了使用DllImport调用非托管C++的DLL文件。因为使用DllImport只能调用由C语言函数做的DLL。

c#与c++对应：

将string转为IntPtr：IntPtr
System.Runtime.InteropServices.Marshal.StringToCoTaskMemAuto(string)
将IntPtr转为string：string
System.Runtime.InteropServices.MarshalPtrToStringAuto(IntPtr) c++
<----------> c# BSTR --------- StringBuilder LPCTSTR ---------
StringBuilder LPCWSTR --------- IntPtr handle---------IntPtr
hwnd-----------IntPtr char *----------string int * -----------ref int
int &-----------ref int void *----------IntPtr unsigned char *-----ref
byte Struct需要在C#里重新定义一个Struct CallBack回调函数需要封装在一个委托里，delegate static
extern int FunCallBack(string str); 注意在每个函数的前面加上public static extern
+返回的数据类型,如果不加public ,函数默认为私有函数，调用就会出错。

(3)在之前的C++文件中，直接修改代码
至于C++如何配置环境；如何写；具体的怎么做可以看VS2019+OpenCV4.4.0安装及整合详细步骤

//直方图比较

#include "Histogram.h"
using namespace cv;
using namespace std;

//由于comparehist计算出来的相关性的值是一个double型，这个函数就是把double转变为string
std::string convertToString(double d)
{
	ostringstream os;
	if (os << d)
		return os.str();
	return "invalid conversion";
}
void histogram(char *s1, char *s2, char *s3) {
	Mat base, test1, test2;
	Mat hsvbase, hsvtest1, hsvtest2;
	base = imread(s1,1);
	test1 = imread(s2,1);
	test2 = imread(s3,1);
	if (!base.data || !test1.data || !test2.data)
	{
		printf("could not load image...\n");
		return;
	}
	//步骤一：从RGB空间转换到HSV空间
	cvtColor(base, hsvbase, CV_BGR2HSV);
	cvtColor(test1, hsvtest1, CV_BGR2HSV);
	cvtColor(test2, hsvtest2, CV_BGR2HSV);

	//步骤二：计算直方图与归一化
	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* histRanges[] = { h_ranges,s_ranges };
	//use the 0-th and 1-st channels
	int channels[] = { 0,1 };
	MatND hist_base;
	MatND hist_test1;
	MatND hist_test2;
	//计算直方图
	calcHist(&hsvbase, 1, channels, Mat(), hist_base, 2, histsize, histRanges, true, false);
	calcHist(&hsvtest1, 1, channels, Mat(), hist_test1, 2, histsize, histRanges, true, false);
	calcHist(&hsvtest2, 1, channels, Mat(), hist_test2, 2, histsize, histRanges, true, false);

	//归一化
	normalize(hist_base, hist_base, 0, 1, NORM_MINMAX, -1, Mat());//归一化
	normalize(hist_test1, hist_test1, 0, 1, NORM_MINMAX, -1, Mat());
	normalize(hist_test2, hist_test2, 0, 1, NORM_MINMAX, -1, Mat());

	//步骤三：比较直方图，并返回值
	double basebase = compareHist(hist_base, hist_base, CV_COMP_CORREL);//比较直方图
	double basetest1 = compareHist(hist_base, hist_test1, CV_COMP_CORREL);
	double basetest2 = compareHist(hist_base, hist_test2, CV_COMP_CORREL);
	double test1test2 = compareHist(hist_test1, hist_test2, CV_COMP_CORREL);
	printf("test1 with test1 correlation value :%f", basebase);
	cout << endl;
	printf("test1 with test2 correlation value :%f", basetest1);
	cout << endl;
	printf("test1 with test3 correlation value :%f", basetest2);
	cout << endl;
	printf("test2 with test3 correlation value :%f", test1test2);
	//在原图中显示相关性参数
	putText(base, convertToString(basebase), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, CV_AA);
	putText(test1, convertToString(basetest1), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, CV_AA);
	putText(test2, convertToString(basetest2), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, CV_AA);
	putText(test2, convertToString(test1test2), Point(100, 100), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, CV_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);

	waitKey(0);
}

(4)在源文件文件夹下新建模块定义文件(.def),输入以下内容：

LIBRARY Histogram
EXPORTS histogram
EXPORTS convertToString

EXPORTS后面的就是你要调用的方法名，生成.dll文件的同时也会生成.lib库。
(5)生成解决方案，这里可能生成没问题，但是最后运行C#会报错：

System.DllNotFoundException: Unable to load DLL 'XX.dll': 找不到指定的模块。 (Exception from HRESULT:

直接在这里解决了
这是运行库设置的问题，几个工程的运行库设置不一样。解决方法：
打开所引用的dll源码的项目属性页面，配置属性 -> C/C++ -> 代码生成 -> 运行库，将该项设置为 多线程调试 (/MTd)，然后再重新生成解决方案，使用新的dll即可解决问题。

(6)再重新生成整个解决方案，可能又会出现以下错误:

这是因为输出文件拓展名的问题，解决方法如下：
【项目属性】→ 【配置属性】→【常规】→【目标文件扩展名】，将.exe，改为.dll
再重新生成解决方案 😃
(7)找到解决方案所在目录，在Debug目录下即可找到生成的 .dll 文件。要注意的是，要到整个解决方案的目录下找Debug文件夹，如下图:
在这里插入图片描述

C#调用dll文件

(1)新建一个C#项目。
在这里插入图片描述

(2)把Histogram.dll文件复制到该工程的Debug目录下。
在这里插入图片描述

(3)在C#文件中引用该 .dll 文件，代码如下：

using Microsoft.AspNetCore.Http;
using System;

using System.Runtime.InteropServices;
namespace ConsoleApp4
{
    class Program
    {
        [DllImport("Histogram.dll")]
        //[UnmanagedFunctionPointer(CallingConvention.Cdecl)]
        public static extern void histogram(string s1,string s2,string s3);
     
        static void Main(string[] args)
        {
            Console.WriteLine("C#调用dll");
            
            string s1 = "C:/Users/wenhaofu/Desktop/picture/tubiao3.png";
            string s2 = "C:/Users/wenhaofu/Desktop/picture/tubiao2.png";
            string s3 = "C:/Users/wenhaofu/Desktop/picture/tubiao1.png";
            histogram(s1,s2,s3);
            Console.Read();
        }
    }
}

(5)点击运行:
Alt

FuWen_Hao
关注
c#视觉应用开发中如何在C#中进行图像直方图均衡化？
zhangzhechun的专栏
07-16 50
在C#中进行图像直方图均衡化常常使用第三方图像处理库，例如AForge.NET或Emgu CV（OpenCV的C#封装）。这些库提供了丰富的图像处理功能，并且使用起来相对简单。下面我将使用Emgu CV库来演示如何进行图像的直方图均衡化。
基于OpenCV的直方图匹配
小白学视觉
11-18 5824
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达如何为图像生成直方图，如何使直方图相等，最后如何将图像直方图修改为与其他直方图相似。01. 什么是图...
opencv3 绘制二维直方图-H-S直方图
qq_23880193的专栏
11-05 4378
#include #include #include using namespace cv; using namespace std; int main() { Mat srcImage = imread("1.jpg"); imshow("【原图】", srcImage); Mat hsvImage; //因为要计算H-S的直方图，所以需要得到一个HSV空间的图像 cvtColo
C++ opencv进行图像匹配
zq9955的博客
07-27 279
*特征检测：**使用关键点检测算法（如SIFT、SURF、ORB等）检测图像中的关键点。**特征匹配：**将模板图像的特征描述符与待匹配图像的特征描述符进行匹配，找到最佳匹配点。**绘制匹配结果：**可选，将匹配结果可视化，例如绘制匹配的关键点或者画出匹配的线段。：计算每个关键点的描述符，描述符是一个向量，用于描述关键点周围的图像信息。：加载待匹配的图像和要搜索的模板图像。
【图像处理】基于OpenCV底层实现的直方图匹配
weixin_34405354的博客
04-19 137
image processing 系列： 【图像处理】图片旋转【图像处理】高斯滤波、中值滤波、均值滤波 直方图匹配算法。又称直方图规定化。简单说。就是依据某函数、或者另外一张图片的引导，使得原图改变。 感觉解释的最好的是：http://www.360doc.com/content/13/1106/16/10724725_327179043.shtml 完整代码：gith...
HSVHistogram(c# 调用openCV画直方图)
01-17
在c#中调用openCV画直方图程序编码，是EMGU CV中的调用。用于图像增强。
C++ opencv实现直方图匹配
weixin_54474317的博客
12-19 520
原图 模板图像 直方图匹配后图像。直方图匹配应用在很多场合，奈何opencv未提供可以直接拿来用的函数。直方图匹配的主要思想是计算出灰度映射矩阵，根据灰度映射实现将模板图像的风格迁移至待匹配图像。以下为依赖opencv库实现的直方图匹配。
基于QT+Opencv模板匹配支持（缩放、旋转)
02-21
2. **预处理**：根据需求，我们可以对图像进行预处理，如灰度化、直方图均衡化等，以提高匹配效果。 3. **模板匹配**：调用OpenCV的`matchTemplate()`函数，将模板图像与主图像进行比较，生成一个响应矩阵。矩阵中...
opencv以图搜图
12-06
在这个教程中，我们将探讨如何使用OpenCV 2.4.9和Visual Studio 2013，通过基于图像直方图的颜色空间比较来实现这一功能。 一、基础知识 1. OpenCV：OpenCV是一个跨平台的计算机视觉库，包含了众多图像处理和...
c#和opencv结合，能够实现人脸识别.zip
12-22
1. 图像预处理：在进行人脸识别前，通常需要对原始图像进行预处理，包括灰度化、直方图均衡化、噪声去除等，以提高后续处理的效果。OpenCV提供了一系列函数，如`CvtColor`用于颜色空间转换，`GaussianBlur`用于高斯...
C# 使用 OpenCvSharp 进行直方图比较
最新发布
java专栏
09-08 1446
接下来，我们将通过具体的示例来展示如何在 C# 中使用 OpenCvSharp 进行直方图比较。跟着我一起，一步步来，你会发现这一切并不难。📋。
C#调用C++（包括C++的opencv）
11-09
代码+文档说明，详细介绍如何生成c++的dll，以及c#调用如何调用，包括各种数据的转换，特别是openCV图片数据格式的传入输出转换。
c#调用C++封装的opencv匹配图片
02-12
文件用c++调用的opencv图像匹配，c#调用示例。比c#封装的图像识别速度快很多。
OpenCV颜色直方图匹配程序
03-27
openCV直方图匹配程序，HSV直方图分别采用四种匹配算法
【OpenCV 4开发详解】直方图应用
小白学视觉
01-17 620
本文首发于“小白学视觉”微信公众号，欢迎关注公众号 本文作者为小白，版权归人民邮电出版社发行所有，禁止转载，侵权必究！ 经过几个月的努力，小白终于完成了市面上第一本OpenCV 4入门书籍《OpenCV 4开发详解》。为了更让小伙伴更早的了解最新版的OpenCV 4，小白与出版社沟通，提前在公众号上连载部分内容，请持续关注小白。 直方图不仅能够表示图像像素的统计特性，应用统计的直方图结果也...
opencv:直方图与匹配
qq_29450163的博客
02-11 336
一、直方图 1·直方图的基本结构typedef struct CvHistogram { int type; CvArr* bins; float thresh[CV_MAX_DIM][2]; float** thresh2; CvMatND mat; } CvHistogram;2.创建一个直方图 CvHistogram* cvCreateHist
直方图用法示例
10-27 2520
这个程序根据输入的图像计算出一个色相饱和度直方图，然后利用网格的方式将直方图以网格形式显示。 Code: #include #include #include int main() { IplImage* src = NULL; src = cvLoadImage ("lena.jpg", 1); IplImage* hsv = cvCreateImage (cvGetSize(s
openCV-直方图与匹配
weixin_41425655的博客
08-04 1079
环境：OpenCV3.4.0，linux操作系统，用CMake生成makefile。 直方图的操作类似CvMat，本质上也是一个一维或者多维的离散的图，只不过是源自于图像的统计结果，一般也是用于图像信息统计、匹配。 从间隔划分上将直方图分为均匀划分直方图和非均匀划分直方图。 也可以像CvMat一样访问数据成员。当然，也包括归一化、阈值、复制、获取最大最小值等基本操作。 一般情况现，直方图操...
OpenCV中二维直方图
岁禾星涣的博客
11-07 877
不管计算几维的直方图，用的都是calcHist函数，由于个人需要， C++原型： void calcHist(const Mat* images, int nimages, const int* channels, InputArray mask, OutputArray hist, int dims, const int* histSize, const float** ranges, bool uniform=true, bool accumulate=false ) 参数详解： onst Mat* i
C#调用C++opencvdll
05-30
要在C#中调用C++编写的OpenCV dll，可以使用Platform Invoke（P/Invoke）技术。下面是一个简单的示例，演示如何在C#中调用C++编写的OpenCV dll： 1. 创建一个新的C#控制台应用程序。 2. 在项目文件夹中创建一个名为“opencv”的子文件夹。 3. 将OpenCV dll文件复制到该子文件夹中。 4. 在Visual Studio中打开项目，并添加以下代码： ```C# using System; using System.Runtime.InteropServices; class Program { [DllImport("opencv\\opencv_core320.dll", CallingConvention = CallingConvention.Cdecl)] public static extern IntPtr cvCreateImage( [MarshalAs(UnmanagedType.Struct)] CvSize size, int depth, int channels); static void Main(string[] args) { // 创建一个256x256的8位单通道图像 var size = new CvSize(256, 256); var image = cvCreateImage(size, 8, 1); // 在控制台中输出图像信息 Console.WriteLine("Image created: {0}x{1}, depth={2}, channels={3}", size.Width, size.Height, 8, 1); Console.ReadKey(); } } [StructLayout(LayoutKind.Sequential)] public struct CvSize { public int Width; public int Height; public CvSize(int width, int height) { Width = width; Height = height; } } ``` 上面的代码创建了一个256x256的8位单通道图像，并在控制台中输出了图像信息。 在上面的代码中，我们使用DllImport属性来指定要导入的OpenCV dll的名称和调用约定。在本例中，我们使用Cdecl调用约定。 我们还定义了一个结构体CvSize，用于传递图像大小参数。在C++中，CvSize结构体定义在opencv_core.hpp头文件中。我们在C#中重新定义了这个结构体，以便我们可以在C#中使用它来传递参数。 需要注意的是，由于C++和C#使用不同的内存管理机制，因此您需要确保在C#中正确处理从C++返回的指针。在本例中，我们使用IntPtr类型来表示从C++返回的指针，并使用Marshal类中的相关方法来管理它们。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值