OpenCV中的直方图比较
用于近似相似度的方式:
比较方式(method)
1.相关性比较 (method=cv.HISTCMP_CORREL) 值越大,相关度越高,最大值为1,最小值为0
2.卡方比较(method=cv.HISTCMP_CHISQR )值越小,相关度越高,最大值无上界,最小值0
3.巴氏距离比较(method=cv.HISTCMP_BHATTACHARYYA) 值越小,相关度越高,最大值为1,最小值为0
代码实现:
#直方图比较(比较图像相似度)
#1.创建直方图
def create_hist(img):
h,w,ch = img.shape
# 创建一个(16*16*16,1)的初始矩阵,作为直方图矩阵
# 16*16*16的意思为三通道每通道有16个bins
bgrhist = np.zeros([16*16*16,1],np.float32)
bsize = 256/16
for row in range(h):
for col in range(w):
b = img[row,col,0]
g = img[row,col,1]
r = img[row,col,2]
# 人为构建直方图矩阵的索引,该索引是通过每一个像素点的三通道值进行构建
index = int(b / bsize) * 16 * 16 + int(g / bsize) * 16 + int(r / bsize)
# 该处形成的矩阵即为直方图矩阵
bgrhist[int(index), 0] += 1
return bgrhist
#2.比较直方图
'''
比较方式(method)
1.相关性比较 (method=cv.HISTCMP_CORREL) 值越大,相关度越高,最大值为1,最小值为0
2.卡方比较(method=cv.HISTCMP_CHISQR )值越小,相关度越高,最大值无上界,最小值0
3.巴氏距离比较(method=cv.HISTCMP_BHATTACHARYYA) 值越小,相关度越高,最大值为1,最小值为0
'''
img1 = cv2.imread('tong.jpg')
x,y = img1.shape[:2]
img1 = cv2.resize(img1,(int(x/4),int(y/4)))
img2 = cv2.imread('tong2.jpg')
x,y = img2.shape[:2]
img2 = cv2.resize(img2,(int(x/4),int(y/4)))
cv2.imshow('tongtong1',img1)
cv2.imshow('tongtong2',img2)
hist1 = create_hist(img1)
hist2 = create_hist(img2)
match1 = cv2.compareHist(hist1,hist2,cv2.HISTCMP_CORREL)
match2 = cv2.compareHist(hist1,hist2,cv2.HISTCMP_CHISQR)
match3 = cv2.compareHist(hist1,hist2,cv2.HISTCMP_BHATTACHARYYA)
print("相关性:%s,卡方:%s,巴氏距离:%s"%(match1,match2,match3))
cv2.waitKey()
运行结果: