计算两个颜色相似度

1.计算两个颜色相似度的公式如下:
  颜色QColor1(R1, G1, B1)转成h1,s1,v1
  颜色QColor2(R2, G2, B2)转成h2,s2,v2

  detah=h1-h2
  detas=s1-s2
  detav=v1-v2

  len = qsrt(detah * detah + detas * detas + detav * detav)
  if (len > 1) len = 1.0

  similarity = (1.0 - len) / 1.0

注:以上公式的h,s,v已经归一化

2.颜色相似度原理。
  把RGB颜色空间转为归一化的hsv颜色空间, 转化hsv颜色空间的三维坐标点,
  计算两个颜色的三维空间坐标点的距离,当两个颜色越相近,则两个颜色的
  坐标距离越接近于0, 反之,当两个颜色相差越远,则坐标距离越接近于1。

注:此处两个颜色相差最大的距离默认为1,理论上最大的距离是会超过1的, 从
   hsv颜色空间模型可以看出, 此算法默认大于1的颜色取为1。

 

3.计算QColor1和QColor2颜色相似度的算法步骤如下:
  3.1、把QColor1转为归一化的h1、s1、v1,把QColor2转为归一化的h2、s2、v2。
  3.2、h在hsv颜色空间中是角度, 把hsv转为三维空间坐标点(x, y, z)
       x1 = cos(h1) * s1
       y1 = sin(h1) * s1

  • 2
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 4
    评论
### 回答1: 在Java中,可以使用OpenCV库来计算两个图像的直方图并计算相似度。以下是基本的步骤: 1. 导入OpenCV库。 ```java import org.opencv.core.Core; import org.opencv.core.Mat; import org.opencv.core.CvType; import org.opencv.core.Size; import org.opencv.core.MatOfFloat; import org.opencv.imgcodecs.Imgcodecs; import org.opencv.imgproc.Imgproc; ``` 2. 分别读取两张图像。 ```java Mat img1 = Imgcodecs.imread("image1.jpg"); Mat img2 = Imgcodecs.imread("image2.jpg"); ``` 3. 将图像转换为HSV色彩空间。 ```java Mat hsvImg1 = new Mat(); Mat hsvImg2 = new Mat(); Imgproc.cvtColor(img1, hsvImg1, Imgproc.COLOR_BGR2HSV); Imgproc.cvtColor(img2, hsvImg2, Imgproc.COLOR_BGR2HSV); ``` 4. 分别计算两个图像的直方图。 ```java MatOfFloat hist1 = new MatOfFloat(); MatOfFloat hist2 = new MatOfFloat(); MatOfInt histSize = new MatOfInt(180); MatOfInt channels = new MatOfInt(0); MatOfFloat ranges = new MatOfFloat(0f, 180f); Imgproc.calcHist(Arrays.asList(hsvImg1), channels, new Mat(), hist1, histSize, ranges); Imgproc.calcHist(Arrays.asList(hsvImg2), channels, new Mat(), hist2, histSize, ranges); Core.normalize(hist1, hist1, 0, 1, Core.NORM_MINMAX, -1, new Mat()); Core.normalize(hist2, hist2, 0, 1, Core.NORM_MINMAX, -1, new Mat()); ``` 5. 计算两个直方图的相似度。 ```java double similarity = Imgproc.compareHist(hist1, hist2, Imgproc.CV_COMP_CORREL); ``` 其中,`Imgproc.CV_COMP_CORREL`表示使用相关性作为相似度度量方法,可以根据需要选择其他的相似度度量方法。 最后,相似度的值越接近1,表示两个图像的相似度越高。 ### 回答2: Java直方图计算两个图像的相似度是一种常见的图像比较方法。直方图是对图像中像素值出现频率的统计,可以反映图像的颜色分布情况。以下是通过Java编程计算两个图像相似度的步骤: 1. 导入Java图像处理库,如OpenCV或Java图像处理工具包(JAI)。 2. 加载两个待比较的图像文件,并将其转换为灰度图像。灰度图像仅包含亮度信息,忽略颜色信息。 3. 对每个图像计算灰度直方图。可以使用像素值作为直方图的横坐标,像素值出现的频率作为纵坐标。可以选择将像素值范围分成若干个区间,每个区间对应直方图的一个bin。 4. 对两个图像的直方图进行比较。可以使用某种相似性度量方法,如欧氏距离或相关系数等,计算直方图之间的相似度。可以遍历每个bin,将两个直方图对应bin的频率值进行比较,得到相似性度量。 5. 根据相似度结果,判断两个图像的相似度程度。可以设定一个阈值,小于阈值则认为两个图像相似,大于阈值则认为两个图像不相似。 6. 可以通过调整直方图的bin数量、相似性度量方法或阈值来优化相似度计算结果,以适应不同的应用场景。 Java直方图计算两个图像相似度是一种简单而有效的方法,但也存在一定的局限性。对于某些特定场景或要求更高的应用,可能需要使用其他更复杂的图像比较算法。 ### 回答3: Java直方图是一种计算图像相似度的常用方法。对于给定的两个图像,我们可以通过以下步骤来计算它们的相似度: 1. 将图像转换为灰度图像:首先,我们需要将彩色图像转换为灰度图像。这可以通过使用Java的图像处理库来实现。 2. 计算直方图:接下来,我们需要计算每个图像的直方图。直方图是一个表示图像中像素值的分布的统计图。我们可以将图像分为若干个像素值范围,并计算每个范围内像素的数量。这可以通过创建一个大小为256的整数数组来实现,每个数组元素表示一个像素值对应的像素数量。 3. 计算相似度:一旦我们有了两个图像的直方图,我们可以通过不同的相似度度量方法来计算它们之间的相似度。常见的方法包括欧氏距离、曼哈顿距离和相关系数等。这些方法都可以通过使用Java的数学库来实现。 4. 综合评估:除了直方图相似度,我们还可以考虑其他因素来综合评估图像相似度。例如,可以考虑图像的结构、纹理和颜色分布等。这些因素可以通过使用Java的图像处理和机器学习库来计算和比较。 总之,通过使用Java的直方图计算方法,我们可以很容易地计算两个图像之间的相似度。这对于图像检索、图像分类和内容识别等应用非常有用。

“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 4
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

打赏作者

mark-puls

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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