颜色直方图匹配（一）

最新推荐文章于 2024-06-09 23:33:07 发布

大白机器人

最新推荐文章于 2024-06-09 23:33:07 发布

阅读量1.5w

点赞数 3

分类专栏：图像处理文章标签：颜色直方图直方图图像搜索图像匹配 opencv

本文链接：https://blog.csdn.net/dyx810601/article/details/50520243

版权

本文探讨了颜色直方图在图像特征提取中的应用，分析了基于RGB和HSV色彩空间的直方图匹配方法。指出基于RGB的简单平均方法可能丢失颜色信息，推荐使用区间统计的RGB（4X4X4）颜色模型来提高匹配的准确性。同时，介绍了通过三维数组和一维数组统计直方图的方法，并提出使用指针遍历像素以提高效率。

摘要由CSDN通过智能技术生成

最近在研究颜色直方图匹配算法，提取一张图的色彩特征有很多种方法，最常用的一种特征是提取它的颜色直方图分布特征。网上搜了很多文章，颜色直方图匹配算法主要有两类，一类基于RGB色彩空间的直方图匹配，另一类是基于HSV色彩空间的直方图匹配。其中基于RGB色彩空间的直方图匹配，网上大多是将图像分成RGB三通道，计算每一个通道的直方图，然后求平均，最后计算相似度；我觉得这种方法会丢失很多颜色特征，很不靠谱，还不如直接转成灰度图像，求灰度直方图并计算相似度。在维基百科上看到一种基于区间统计的颜色直方图方法，感觉比较靠谱，它是将R,G,B各分量的颜色信息划分为N 区间。比如；将图像每个像素的R、G和B的值都分成4个bins(256除以64)，构建RGB（4X4X4 ）颜色模型，然后再统计各个区间内的像素数，如下图：

C/C++代码实现方法如下：

统计颜色直方图方法一：采用三维数组a[][][]来遍历Mat每一个像素。

vector<float> getHist1(Mat testImg)//RGB色彩空间的（4，4，4）模型。
{
	const int div = 64;
	const int bin_num = 256 / div;
	int length = bin_num*bin_num*bin_num;
	Vec3i pix;
	vector<float> b;
	float a[bin_num*bin_num*bin_num] = { 0 };
	float d[bin_num][bin_num][bin_num] = { 0 };

	for (int r = 0; r < testImg.rows; r++)
	{
		for (int c = 0; c < testImg.cols; c++)
		{
			pix = testImg.at<Vec3b>(r, c);
			pix.val[0