opencv学习笔记(六)直方图比较图片相似度

opencv提供了API来比较图片的相似程度,使我们很简单的就能对2个图片进行比较,这就是直方图的比较,直方图英文是histogram, 原理就是就是将图片转换成直方图,然后对直方图进行比较,在某些程度,真实地反映了图片的相似度。

代码如下:

复制代码
 1 #include <iostream>
 2 #include <cv.h>
 3 #include <highgui.h>
 4 using namespace std;
 5 using namespace cv;
 6 
 7 int main(void)
 8 {
 9     Mat pic1 = imread("pic1.jpg");
10     Mat pic2 = imread("pic2.jpg");
11     //计算相似度
12     if (pic2.channels() == 1) {//单通道时,
13     int histSize = 256;
14     float range[] = { 0, 256 };
15     const float* histRange = { range };
16     bool uniform = true;
17     bool accumulate = false;
18             
19     cv::Mat hist1, hist2;
20             
21     cv::calcHist(&pic2, 1, 0, cv::Mat(), hist1, 1, &histSize, &histRange, uniform, accumulate);
22     cv::normalize(hist1, hist1, 0, 1, cv::NORM_MINMAX, -1, cv::Mat());
23             
24     cv::calcHist(&pic1, 1, 0, cv::Mat(), hist2, 1, &histSize, &histRange, uniform, accumulate);
25     cv::normalize(hist2, hist2, 0, 1, cv::NORM_MINMAX, -1, cv::Mat());
26             
27     double dSimilarity = cv::compareHist(hist1, hist2, CV_COMP_CORREL);//,CV_COMP_CHISQR,CV_COMP_INTERSECT,CV_COMP_BHATTACHARYYA    CV_COMP_CORREL
28             
29     cout << "similarity = " << dSimilarity << endl;
30     }
31     else {//三通道时
32         cv::cvtColor(pic2, pic2, cv::COLOR_BGR2HSV);
33         cv::cvtColor(pic1, pic1, cv::COLOR_BGR2HSV);
34             
35     int h_bins = 50, s_bins = 60;
36     int histSize[] = { h_bins, s_bins };
37     float h_ranges[] = { 0, 180 };
38     float s_ranges[] = { 0, 256 };
39     const float* ranges[] = { h_ranges, s_ranges };
40     int channels[] = { 0, 1 };
41             
42     cv::MatND hist1, hist2;
43             
44     cv::calcHist(&pic2, 1, channels, cv::Mat(), hist1, 2, histSize, ranges, true, false);
45     cv::normalize(hist1, hist1, 0, 1, cv::NORM_MINMAX, -1, cv::Mat());
46             
47     cv::calcHist(&pic1, 1, channels, cv::Mat(), hist2, 2, histSize, ranges, true, false);
48     cv::normalize(hist2, hist2, 0, 1, cv::NORM_MINMAX, -1, cv::Mat());
49             
50     double dSimilarity = cv::compareHist(hist1, hist2, CV_COMP_CORREL); //,CV_COMP_CHISQR,CV_COMP_INTERSECT,CV_COMP_BHATTACHARYYA  CV_COMP_CORREL
51             
52     cout << "similarity = " << dSimilarity << endl;
53     }
54     waitKey(0);
55     return 1;    
56 
57 }
复制代码

  pic1:

  

 

  pic2:

  

 

  使用相关系数法(CV_COMP_CORREL)进行图片相似度比较时,取值范围为[-1,1];越接近1说明两幅图片越相似;

  比较pic1与pic2得到的结果为:

  similarity =0.926247

  pic与本身进行比较时,

  similarity =1

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenCV是一个开源的计算机视觉库,提供了丰富的图像处理和分析功能。图像缩放OpenCV中常用的一种图像处理技术,它可以改变图像的尺寸大小。 直方图是一种统计图形,用于表示一组数据的变化情况。在图像处理中,直方图描述了图像中像素值的分布情况。基于直方图的算法可以用来比较图像之间的相似度。 图像缩放直方图算法相似度的影响是显著的。当图像进行缩放时,像素值的分布发生变化,直方图也会相应地改变。因此,在缩放后的图像上计算的直方图与原图像的直方图将不再相同。 图像缩放会导致直方图的形状发生变化,进而影响直方图算法的相似度度量结果。在缩小图像尺寸的情况下,直方图的分布信息可能会损失,因此算法的相似度度量可能会有所下降。而在放大图像尺寸的情况下,直方图的形状可能会变得更加平滑,导致算法相似度度量结果可能较为接近。 为了解决图像缩放直方图算法相似度的影响,可以考虑在进行缩放操作之前,对图像进行预处理。例如,可以进行直方图均衡化或直方图匹配等操作,使得图像的直方图分布更加平衡或与目标直方图更加相似。这样,在缩放后计算直方图相似度时,结果会更加准确和可靠。 总之,图像缩放直方图算法相似度有一定的影响,需要在实际应用中综合考虑图像的特点和需求,进行适当的预处理和调整,以得到准确和可靠的相似度度量结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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