opencv中图像直方图常见操作之直方图比较（二）

图像直方图常见操作（一）：https://blog.csdn.net/qq_37120369/article/details/104792427

图像直方图常见操作（三）：https://blog.csdn.net/qq_37120369/article/details/104821396

1.概述：

对输入的两张图像计算得到直方图H1与H2，归一化到相同的尺度空间 然后可以通过计算H1与H2的之间的距离得到两个直方图的相似程度进而比较图像本身的相似程度。

Opencv提供的比较方法有四种：

Correlation 相关性比较

Chi-Square 卡方比较

Intersection 十字交叉性

Bhattacharyya distance 巴氏距离

2.四种方法计算公式介绍：

Correlation 相关性比较 （函数中对应CV_COMP_CORREL）

Chi-Square 卡方比较（函数中对应CV_COMP_CHISQR）

Intersection 十字交叉性（函数中对应CV_COMP_INTERSECT）

Bhattacharyya distance 巴氏距离（函数中对应CV_COMP_BHATTACHARYYA）

3.图像直方图比较步骤：

首先把图像从RGB色彩空间转换到HSV色彩空间   （函数cvtColor） 

计算图像的直方图，然后归一化到[0~1]之间  （函数calcHist和normalize）

使用上述四种比较方法之一进行比较   （函数compareHist）

4.相关API：

如上述所示，normalize，calHist，cvtColo用法r参见我的其他文章，这里仅介绍以前未使用的

compareHist(

InputArray h1, // 直方图数据，下同

InputArray H2,

int method// 比较方法，上述四种方法之一

)
5.例程：

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>

using namespace std;
using namespace cv;

string convertToString(double d);
int main(int argc, char** argv) {
	Mat base, test1;
	Mat hsvbase, hsvtest1, hsvtest2;
	base = imread("C:\\Users\\Administrator\\Pictures\\nv.jpg");
	if (!base.data) {
		printf("could not load image...\n");
		return -1;
	}
	test1 = imread("C:\\Users\\Administrator\\Pictures\\nan.jpg");

	cvtColor(base, hsvbase, CV_BGR2HSV);
	cvtColor(test1, hsvtest1, CV_BGR2HSV);

	int h_bins = 50; int s_bins = 60;     
	int histSize[] = { h_bins, s_bins };
	// hue varies from 0 to 179, saturation from 0 to 255     
	float h_ranges[] = { 0, 180 };     
	float s_ranges[] = { 0, 256 };
	const float* ranges[] = { h_ranges, s_ranges };
	// Use the o-th and 1-st channels     
	int channels[] = { 0, 1 };
	MatND hist_base;
	MatND hist_test1;

	calcHist(&hsvbase, 1,  channels, Mat(), hist_base, 2, histSize, ranges, true, false);
	normalize(hist_base, hist_base, 0, 1, NORM_MINMAX, -1, Mat());

	calcHist(&hsvtest1, 1, channels, Mat(), hist_test1, 2, histSize, ranges, true, false);
	normalize(hist_test1, hist_test1, 0, 1, NORM_MINMAX, -1, Mat());

	double basetest1 = compareHist(hist_base, hist_test1, CV_COMP_CORREL);//相关性比较

	putText(test1, convertToString(basetest1), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA);
	
	namedWindow("base", CV_WINDOW_AUTOSIZE);
	namedWindow("test1", CV_WINDOW_AUTOSIZE);

	imshow("base", base);
	imshow("test1", test1);

	waitKey(0);
	return 0;
}

string convertToString(double d) {
	ostringstream os;
	if (os << d)
		return os.str();
	return "invalid conversion";
}

这是一对情侣头像，通过相关性比较得到它们之间的相关性达到了0.73，这表明我们实验成功