opencv学习笔记23-opencv直方图特征图像相似判断

一、函数

cartToPolar 函数：

（1）函数原型：

CV_EXPORTS_W void cartToPolar(InputArray x, InputArray y,
OutputArray magnitude, OutputArray angle, bool angleInDegrees = false);

（2）函数作用：

• cartToPolar 函数用于计算二维向量（由x和y坐标表示）的幅度（magnitude）和角度（angle）。

（3）公式说明：

•  幅度计算公式为：

• 角度计算公式为  ：

（4）角度精度：

计算出的角度精度大约为0.3度。对于点 (0,0)，角度被设置为0度或0弧度，具体取决于 angleInDegrees 参数。

（5）参数列表：

x：输入的x坐标数组，必须是单精度或双精度浮点数组。

y：输入的y坐标数组，大小和类型必须与x相同。

magnitude：输出的幅度数组，大小和类型与x相同。

angle：输出的角度数组，大小和类型与x相同；角度以弧度（从0到2π）或度数（0到360度）为单位。

angleInDegrees：一个标志，指明角度是以弧度（默认）还是度数为单位。

（6）默认参数：

angleInDegrees 参数默认为 false，表示输出角度以弧度为单位。如果设置为 true，则输出角度以度数为单位。

（7）相关函数：

Sobel 和 Scharr 函数，它们通常用于图像处理中计算梯度，这些梯度可以作为 cartToPolar 函数的输入。

 二、示例代码：

#include <opencv2/core/utils/logger.hpp>
#include <opencv2/opencv.hpp>           
#include <opencv2/videoio.hpp>       
#include <opencv2/objdetect.hpp>        
#include <opencv2/highgui/highgui_c.h>  
#include <iostream>                     

using namespace cv;                    
using namespace std;      

//23 - 手动实现，通过 HOG(Histogram - of - Oriented - Gradients)比较图像相似度
float normL2(float* Hist1, float* Hist2, int size);
int calcHOG(Mat src, float* hist, int nAngle, int cellSize);
int main()
{
    // 设置日志级别为不输出任何日志信息
    utils::logging::setLogLevel(utils::logging::LOG_LEVEL_SILENT);
    //读入三张图像转化为灰度
    Mat Raw_image = imread("C:\\Users\\86173\\Desktop\\TI\\Cat.jpg", 0);
    Mat image_1 = imread("C:\\Users\\86173\\Desktop\\TI\\Cat3.jpg", 0);
    Mat image_2 = imread("C:\\Users\\86173\\Desktop\\TI\\Cat2.jpg", 0);
    // 检查图像是否成功加载
    if (Raw_image.empty() || image_1.empty() || image_2.empty()) {
        cout << "failed to read image!:" << endl;
        return -1; // 如果任何一张图像加载失败，返回-1
    }

    // 设置HOG算法的参数
    int nAngle = 8; // 梯度方向的直方图bin数量
    int blockSize = 16; // HOG中cell的大小
    int nX = Raw_image.cols / blockSize; // cell在x方向上的数量
    int nY = Raw_image.rows / blockSize; // cell在y方向上的数量

    // 计算bins总数，用于分配直方图数组空间
    int bins = nX * nY * nAngle;

    // 分配三个图像直方图的内存空间，并初始化为0
    float* ref_hist = new float[bins];
    memset(ref_hist, 0, sizeof(float) * bins);
    float* pl_hist = new float[bins];
    memset(pl_hist, 0, sizeof(float) * bins);
    float* bg_hist = new float[bins];
    memset(bg_hist, 0, sizeof(float) * bins);

    
    // 定义计算HOG的返回代码变量
    int reCode = 0;

    // 计算三张图像的HOG直方图
    reCode = calcHOG(Raw_image, ref_hist, nAngle, blockSize);
    reCode = calcHOG(image_1, pl_hist, nAngle, blockSize);
    reCode = calcHOG(image_2, bg_hist, nAngle, blockSize);

    // 如果HOG计算失败，返回-1
    if (reCode != 0) {
        return -1;
    }

    // 计算直方图之间的L2范数距离
    float dis1 = normL2(ref_hist, pl_hist, bins); // 参考图像与image_1之间的距离
    float dis2 = normL2(ref_hist, bg_hist, bins); // 参考图像与image_2之间的距离

    // 输出两个距离
   cout << "参考图像与image_1之间的距离:" << dis1 << endl;
   cout << "参考图像与image_2之间的距离:" << dis2 << endl;

    // 根据距离判断哪张图像与参考图像更相似
    (dis1 <= dis2) ? (cout << "图1类似" << endl) : (cout << "图2类似" << endl);

    // 显示三张图像
    imshow("Raw_image", Raw_image);
    imshow("img1", image_1);
    imshow("img2", image_2);

    // 等待按键，0表示无限期等待
    waitKey(0);

    //释放直方图内存
    delete[] ref_hist;
    delete[] pl_hist;
    delete[] bg_hist;

    // 关闭所有OpenCV窗口
    destroyAllWindows();

    // 正常退出程序，返回0
    return 0;
}

//calcHOG函数实现
int calcHOG(Mat src, float* hist, int nAngle, int cellSize) {
    // 检查cellSize是否大于图像尺寸
    if (cellSize > src.cols || cellSize > src.rows) {
        return -1;
    }

    //参数设置
    int nX = src.cols / cellSize;
    int nY = src.rows / cellSize;

    int binAngle = 360 / nAngle;

    //计算梯度及角度
    Mat gx, gy;
    Mat mag, angle;
    Sobel(src, gx, CV_32F, 1, 0, 1);
    Sobel(src, gy, CV_32F, 0, 1, 1);
   
    cartToPolar(gx, gy, mag, angle, true);

    Rect roi;
    roi.x = 0;
    roi.y = 0;
    roi.width = cellSize;
    roi.height = cellSize;

    for (int i = 0; i < nY; i++) {
        for (int j = 0; j < nX; j++) {

            Mat roiMat;
            Mat roiMag;
            Mat roiAgl;

            roi.x = j * cellSize;
            roi.y = i * cellSize;

            //赋值图像
            roiMat = src(roi);
            roiMag = mag(roi);
            roiAgl = angle(roi);

            //当前cell第一个元素在数组中的位置
            int head = (i * nX + j) * nAngle;

            for (int n = 0; n < roiMat.rows; n++) {
                for (int m = 0; m < roiMat.cols; m++) {
                    //计算角度在哪个bin，通过int自动取整实现
                    int pos = (int)(roiAgl.at<float>(n, m) / binAngle);
                    //以像素点的值为权重
                    hist[head + pos] += roiMag.at<float>(n, m);
                }
            }

        }
    }
    return 0;
}

    //normL2函数实现
float normL2(float* Hist1, float* Hist2, int size) {
    // 计算两个直方图之间的L2范数距离
    float sum = 0;
    for (int i = 0; i < size; i++) {
        sum += (Hist1[i] - Hist2[i]) * (Hist1[i] - Hist2[i]);
    }
    // 开平方根得到最终的L2范数距离
    sum = sqrt(sum);
    return sum;
}

三、运行结果：