使用颜色分布法计算图像相似度

       基于比较灰度直方图的方法计算两幅图像相似度误判较多，一个原因上篇博客已经提到，就是直方图自身局限性： 仅反映图像像素各灰度值的数量，不能反映图像纹理结构；另一个原因就是在使用该方法时，对于彩色图像，一般都是将其转为灰度图像，然后在计算其灰度直方图，最后再参与运算比较，很明显在彩色转灰度的转换过程中将损失图像颜色信息，所以在计算时存在大量误判。由第一个原因产生的误判很难找到解决方案，除非不用这个方法；而第二原因，对于彩色图像，我们可以换一种方式计算直方图，阮一峰的博客《相似图片搜索的原理（二）》提到了这种彩色图像直方图计算方法，这里不再赘述。通过实验发现，这种方式很好的克服了第二个原因产生的误判， 相似度 计算结果准确性有所提高。下面是算法实现，程序中将颜色分成8个区间做映射，如果分成16个区间或更高的区间做映射，相信准确度会更高。当然，该算法对图像的明暗还是特别敏感，不太适用内容相近、但光线明暗频繁变化的图像。

#include "stdafx.h"
#include <cv.h>
#include <cxcore.h>
#include <highgui.h>

using namespace cv;

// bgr颜色分区间映射
uchar ColorValMapping(uchar &val)
{
	uchar mapVal = 0;
	if (val > 223)
	{
		// [224 ~ 255]
		mapVal = 7;
	}
	else if (val > 191)
	{
		// [192 ~ 223]
		mapVal = 6;
	}
	else if (val > 159)
	{
		// [160 ~ 191]
		mapVal = 5;
	}
	else if (val > 127)
	{
		// [128 ~ 159]
		mapVal = 4;
	}
	else if (val > 95)
	{
		// [96 ~ 127]
		mapVal = 3;
	}
	else if (val > 63)
	{
		// [64 ~ 95]
		mapVal = 2;
	}
	else if (val > 31)
	{
		// [32 ~ 63]
		mapVal = 1;
	}
	else
	{
		// [0 ~ 31]
		mapVal = 0;
	}

	return mapVal;
}

// 计算颜色直方图向量
void CompImageFeature(Mat &inputImg, int *pImgFeature)
{
	int index = 0;
	int row = inputImg.rows;
	int col = inputImg.cols;
	uchar map_b = 0, map_g = 0, map_r = 0;
	uchar* pImg = inputImg.data;

	for (int i = 0; i < row; i++)
	{
		for (int j = 0; j < col; j++)
		{
			// 颜色映射
			map_b = ColorValMapping(pImg[3*j]);
			map_g = ColorValMapping(pImg[3*j + 1]);
			map_r = ColorValMapping(pImg[3*j + 2]);
			index = map_b*64 + map_g*8 + map_r;
			pImgFeature[index]++;
		}

		pImg += inputImg.step;
	}
}

// 计算两幅图像相似度
double CompImageSimilarity(Mat &img0, Mat &img1)
{
	// 计算颜色直方图向量>>分8个区间,共8*8*8 = 512种组合
	int imgFeature0[512] = { 0 };
	int imgFeature1[512] = { 0 };
	CompImageFeature(img0, imgFeature0);
	CompImageFeature(img1, imgFeature1);

	// 计算余弦相似度>>余弦值越接近1,表明夹角越接近0度,两个向量越相似
	double sum_square0 = 0.0, sum_square1 = 0.0, sum_multiply = 0.0;
	for (int i = 0; i < 512; i++)
	{
		sum_square0  += imgFeature0[i] * imgFeature0[i];
		sum_square1  += imgFeature1[i] * imgFeature1[i];
		sum_multiply += imgFeature0[i] * imgFeature1[i];
	}

	return sum_multiply / (sqrt(sum_square0) * sqrt(sum_square1));
}

int main(int argc, _TCHAR* argv[])
{
	double similarity = 0.0;

	// 计算两幅图像相似度
	Mat img0 = imread("image\\img0.jpg");
	imshow("img0", img0);
	Mat img1 = imread("image\\img1.jpg");
	imshow("img1", img1);
	similarity = CompImageSimilarity(img0, img1);
	printf("-------相似度-------> %f \n", similarity);

	waitKey();
	return 0;
}

运行结果：

工程下载链接：http://download.csdn.net/detail/u013085897/6781683

程序基于vs2005 + opencv210实现，下载工程后，如果与自己使用的opencv版本不一致，则需要对工程进行简单配置才能正确运行。