41.图像直方图比较

目录

        1 概念讲解及用处

        2 函数详解

        3 数学原理及数学推导公式

        4 用C++编写代码进行实现

        1 概念讲解及用处

        图像直方图比较（Histogram Comparison）是一种用于比较两个图像直方图相似性的方法。它可以帮助我们量化地评估两幅图像之间的相似程度，常用于图像检索、拷贝检测等领域。

        直方图比较的主要用处包括：

        图像相似性度量：通过比较图像直方图的差异，可以量化地衡量两张图像之间的相似性。

        图像匹配和分类：通过比较图像直方图，可以找到某个目标图像在数据库中的最佳匹配或类别。

        2 函数详解

        在OpenCV中，可以使用compareHist函数来比较两个图像直方图的相似性。

ouble compareHist(InputArray H1, InputArray H2, int method)

H1：第一个输入直方图。

H2：第二个输入直方图。

method：直方图比较方法，可选值为HISTCMP_CORREL、HISTCMP_CHISQR、HISTCMP_INTERSECT、HISTCMP_BHATTACHARYYA，分别对应相关性、卡方、交集、巴氏距离。

        3 数学原理及数学推导公式

        直方图比较方法有多种，常用的有相关性（Correlation）、卡方（Chi-Square）、交集（Intersection）以及巴氏距离（Bhattacharyya Distance）。

        3.1 相关性的数学推导公式为

        3.2 卡方的数学推导公式为

        3.3 交集的数学推导公式为

        3.4 巴氏距离的数学推导公式为

        其中，H1(i)和H2(i)分别是第一个和第二个直方图的第i个bin的值，mean()和stddev()分别表示均值和标准差函数。

        4 用C++编写代码进行实现

        下面是一个使用OpenCV比较两个图像直方图相似性的示例代码：

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

    using namespace cv;
    using namespace std;

    int main()
    {
        // 读取两幅图像
        Mat image1 = imread("lena.png", IMREAD_GRAYSCALE);
        Mat image2 = imread("lena.png", IMREAD_GRAYSCALE);
        if (image1.empty() || image2.empty())
        {
            cout << "Failed to load images." << endl;
            return -1;
        }

        // 计算直方图
        Mat hist1, hist2;
        const int histSize = 256;
        float range[] = { 0, 256 };
        const float* histRange = { range };
        calcHist(&image1, 1, 0, Mat(), hist1, 1, &histSize, &histRange);
        calcHist(&image2, 1, 0, Mat(), hist2, 1, &histSize, &histRange);

        // 归一化直方图
        normalize(hist1, hist1, 0, 1, NORM_MINMAX, -1, Mat());
        normalize(hist2, hist2, 0, 1, NORM_MINMAX, -1, Mat());

        // 比较直方图相似性
        double correlation = compareHist(hist1, hist2,HISTCMP_CORREL);
        double chi_square = compareHist(hist1, hist2, HISTCMP_CHISQR);
        double intersection = compareHist(hist1, hist2, HISTCMP_INTERSECT);
        double bhattacharyya_distance = compareHist(hist1, hist2,HISTCMP_BHATTACHARYYA);

        // 输出相似性度量结果
        cout << "Correlation: " << correlation << endl;
        cout << "Chi-Square: " << chi_square << endl;
        cout << "Intersection: " << intersection << endl;
        cout << "Bhattacharyya Distance: " << bhattacharyya_distance << endl;

        return 0;
    }

        在这个示例中，我们首先读取了两张灰度图像，并使用calcHist函数计算了它们的直方图。然后，使用normalize函数将直方图归一化到0-1范围内。最后，使用compareHist函数分别比较了四种直方图相似性指标（相关性、卡方、交集、巴氏距离），并输出结果。

        请注意，这里的示例代码仅演示了如何使用OpenCV进行图像直方图比较，实际应用中可能需要对图像进行预处理、参数调整等操作以获得更好的比较结果。