【OpenCV】图像特征的提取以及相似性比较方法

本文介绍了OpenCV中图像特征的提取,包括直方图特征和轮廓特征。直方图部分讲解了直方图的创建、操作及比较方法,如EMD、反向投影和模板匹配。轮廓部分涉及轮廓检测、轮廓绘制、特征概括和匹配,如轮廓矩、Hu矩和等级匹配。
摘要由CSDN通过智能技术生成

一、直方图特征

1. 数据结构
CvHistogram

2. 操作函数
cvCreateHist
cvQueryHistValue_1D
cvGetHistValue_1D
cvNormalizeHist
cvThreshHist
cvCopyHist
cvGetMinMaxHistValue
cvCalcHist
cvCompareHist 


3.比较方法

五种比较方法:

 CV_COMP_CORREL 

 CV_COMP_CHISQR

 CV_COMP_INTERSECT 

 CV_COMP_BHATTACHARYYA 

 EMD


4. 应用
HSV: H(色调) S(饱和度) V(亮度值)
a. EMD 方法 利用直方图的距离测量来代替直方图的匹配策略
光线的变化引起图像颜色值的变化
cvCalcEMD2

OpenCV是一个开源的计算机视觉库,提供了丰富的图像处理和计算机视觉算法。其中,纹理图像特征提取是一种常用的方法,用于比较两幅图像的相似度。 在OpenCV中,可以使用Gabor滤波器来提取纹理图像特征。Gabor滤波器是一种基于人眼视觉特性设计的滤波器,可以提取图像中的纹理信息。它通过在不同方向和尺度下对图像进行滤波,得到图像的纹理特征表示。 首先,加载两幅待比较图像,并将其转换为灰度图像。然后,使用Gabor滤波器对图像进行滤波操作,得到纹理图像特征表示。可以通过调整滤波器的参数(比如方向、尺度等)来获取不同的纹理特征。 接下来,可以使用某种相似度度量方法比较两幅图像的纹理特征。常用的方法包括欧氏距离、相关系数、余弦相似度等。这些方法可以用来计算两个向量之间的相似性度量,得到两幅图像的相似度分值。 最后,可以根据相似度分值来判断两幅图像的相似度。如果相似度分值越高,则表示两幅图像的纹理特征越相似;反之,如果相似度分值越低,则表示两幅图像的纹理特征越不相似。 需要注意的是,纹理图像特征提取只是一种比较图像相似度的方法之一,还可以使用其他方法,比如颜色直方图、形状描述符等。不同的方法适用于不同的场景,具体需要根据实际情况选择合适的方法。 总之,通过OpenCV提供的纹理图像特征提取方法,可以比较两幅图像的相似度。这对于图像匹配、图像检索等应用具有重要意义。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值