OpenCV统计应用-直方图比较

cvCompareHist(), 是比较两个统计直方图的分布,总共有四个方法,被定义如下：

#define CV_COMP_CORREL 0
#define CV_COMP_CHISQR 1
#define CV_COMP_INTERSECT 2
#define CV_COMP_BHATTACHARYYA 3

而这些方法分别为相关系数,卡方,交集法以及在做常态分布比对的Bhattacharyya距离,这些方法都是用来做统计直方图的相似度比较的方法,而且,都是根据统计学的概念,这边就简单的拿来用灰阶统计直方图来比较,而这部份的比较方式,是由图形的色彩结构来着手,下面就简单的用三种情况来分析它们距离比较的方式

直方图比较实作
#include <cv.h>
#include <highgui.h>
#include <stdio.h>
#include <stdlib.h>

int HistogramBins = 256 ;
float HistogramRange1[ 2 ]={ 0 , 255 };
float *HistogramRange[ 1 ]={ & HistogramRange1[ 0 ]};

int main()
{
    IplImage *Image1=cvLoadImage( "RiverBank.jpg" , 0 );
    IplImage *Image2=cvLoadImage( "DarkClouds.jpg" , 0 );

    CvHistogram *Histogram1=cvCreateHist( 1 , & HistogramBins,CV_HIST_ARRAY,HistogramRange);
    CvHistogram *Histogram2=cvCreateHist( 1 , & HistogramBins,CV_HIST_ARRAY,HistogramRange);

    cvCalcHist( & Image1,Histogram1);
    cvCalcHist( & Image2,Histogram2);

    cvNormalizeHist(Histogram1, 1 );
    cvNormalizeHist(Histogram2, 1 );

    printf( "CV_COMP_CORREL : %.4f\n" ,cvCompareHist(Histogram1,Histogram2,CV_COMP_CORREL));
    printf( "CV_COMP_CHISQR : %.4f\n" ,cvCompareHist(Histogram1,Histogram2,CV_COMP_CHISQR));
    printf( "CV_COMP_INTERSECT : %.4f\n" ,cvCompareHist(Histogram1,Histogram2,CV_COMP_INTERSECT));
    printf( "CV_COMP_BHATTACHARYYA : %.4f\n" ,cvCompareHist(Histogram1,Histogram2,CV_COMP_BHATTACHARYYA));

    cvNamedWindow( "Image1" , 1 );
    cvNamedWindow( "Image2" , 1 );
    cvShowImage( "Image1" ,Image1);
    cvShowImage( "Image2" ,Image2);
    cvWaitKey( 0 );
}

原始图片:





 

执行结果:

(1)RiverBank.jpg & DarkClouds.jpg

Output:
CV_COMP_CORREL : -0.1407
CV_COMP_CHISQR : 0.6690
CV_COMP_INTERSECT : 0.4757
CV_COMP_BHATTACHARYYA : 0.4490

(2)RiverBank.jpg & RiverBank.jpg

Output:
CV_COMP_CORREL : 1
CV_COMP_CHISQR : 0
CV_COMP_INTERSECT : 1
CV_COMP_BHATTACHARYYA : 0

(3)Black.jpg & White.jpg

Output:
CV_COMP_CORREL : 1
CV_COMP_CHISQR : 1
CV_COMP_INTERSECT : 0
CV_COMP_BHATTACHARYYA : 1

这边的直方图比较,则是将它们的统计直方图用cvNormalizeHist()正规化成1,在由正规化的统计分布来做直方图的比较,从上面的输出结果可以推测出,卡方法以及Bhattacharyya是数值越小图形越相似,而相关系数则是看图形的分布程度,因此第三个Black.jpg & White.jpg 所显示相关系数的结果才会是1,这边的图形比较用的是统计学的方法,而一般的比较方式还有欧几里德距离的方式,在这个cvCompareHist()的函式,也可以实作出多通道的多维度直方图比较,而且支持CV_HIST_ARRAY及CV_HIST_SPARSE这两种直方图数据结构的格式,而这些比对方法的相关公式如下


相关系数法

而它的公式推导如下



再来是卡方的方式

这边的卡方法跟一般的卡方检定不太一样,下面是一般适合度检定(Goodness of fit test)的公式

o为观察者次数,e为期望值次数


交集的方式就比较简单了,两个直方图取最小的做累加



再来就是常态分配比对的Bhattacharyya距离