ios--OpenCV--cvCompareHist使用直方图模型(CvHistogram)比对两张图片

最新推荐文章于 2022-11-17 21:33:48 发布
最新推荐文章于 2022-11-17 21:33:48 发布
阅读量4.3k 收藏 4
点赞数 1
分类专栏： ios开发 图像处理OpenCV 文章标签： ios opencv CvHistogram cvCompareHist
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/wanggsx918/article/details/23340685
版权

此方法使用直方图模型比对两张图片，如果两张图片一模一样的话，结果为0.00；比对的结果越小，图片相似性越高;

适用于比较两张尺寸大小一致的图片，对于大小不一致的图片，只能比较其相似性；

-(double)CompareHist:(IplImage*)image1 withParam2:(IplImage*)image2
{
    int hist_size = 256;
    float range[] = {0,255};
    
    IplImage *gray_plane = cvCreateImage(cvGetSize(image1), 8, 1);
    cvCvtColor(image1, gray_plane, CV_BGR2GRAY);
    CvHistogram *gray_hist = cvCreateHist(1, &hist_size, CV_HIST_ARRAY);
    cvCalcHist(&gray_plane, gray_hist);
    
    IplImage *gray_plane2 = cvCreateImage(cvGetSize(image2), 8, 1);
    cvCvtColor(image2, gray_plane2, CV_BGR2GRAY);
    CvHistogram *gray_hist2 = cvCreateHist(1, &hist_size, CV_HIST_ARRAY);
    cvCalcHist(&gray_plane2, gray_hist2);
    
    return cvCompareHist(gray_hist, gray_hist2, CV_COMP_BHATTACHARYYA);
}


以下的方法是比较两个尺寸大小不一样的图片：

#import "UIImage+OpenCV.h"

#import "MyViewController.h"
#import <opencv2/highgui/ios.h>
#import <opencv2/imgproc/imgproc_c.h>
#import <opencv2/core/core_c.h>
#import <opencv2/features2d/features2d.hpp>
#import <opencv2/nonfree/features2d.hpp>

// Aperture value to use for the Canny edge detection
const int kCannyAperture = 7;

@interface MyViewController ()
- (void)processFrame;
@end

@implementation MyViewController

@synthesize imageView = _imageView;
@synthesize imageView1 = _imageView1;

- (void)viewDidLoad
{
    [super viewDidLoad];
    
    //[self TakeColorFromImageHSV];
    UIImage *mImage =  [UIImage imageNamed:@"防伪标签005.jpg"];
    //self.imageView.image = mImage;
    IplImage *srcIpl = [self convertToIplImage:mImage];
    IplImage *dscIpl = cvCreateImage(cvGetSize(srcIpl), srcIpl->depth, 1);
    [self SkinDetect:srcIpl withParam:dscIpl];
    IplImage *dscIplNew = cvCreateImage(cvGetSize(srcIpl),  IPL_DEPTH_8U, 3);
    cvCvtColor(dscIpl, dscIplNew, CV_GRAY2BGR);
    //self.imageView.image = [self convertToUIImage:dscIplNew];
    self.imageView.image = mImage;
    
    
    UIImage *mImage1 =  [UIImage imageNamed:@"防伪标签004.jpg"];
    //self.imageView1.image = mImage1;
    IplImage *srcIpl1 = [self convertToIplImage:mImage1];
    IplImage *dscIpl1 = cvCreateImage(cvGetSize(srcIpl1), srcIpl1 ->depth, 1);
    [self SkinDetect:srcIpl1 withParam:dscIpl1];
    IplImage *dscIplNew1 = cvCreateImage(cvGetSize(srcIpl1), IPL_DEPTH_8U, 3);
    cvCvtColor(dscIpl1, dscIplNew1, CV_GRAY2BGR);
    //self.imageView1.image = [self convertToUIImage:dscIplNew1];
    
    [self ComparePPKHist:srcIpl withParam2:srcIpl1];
}

-(void)ComparePPKHist:(IplImage*) srcIpl withParam2:(IplImage*)srcIpl1
{
    if (srcIpl->width==srcIpl1->width && srcIpl->height==srcIpl1->height) {
        printf("匹配结果为:%f\n",[self CompareHist:srcIpl withParam2:srcIpl1]);
    }
    else if (srcIpl->width<srcIpl1->width && srcIpl->height==srcIpl1->height) {
        printf("匹配结果为:%f\n",[self CompareHistWithSmallWidthIpl:srcIpl withBigWidthIplImg:srcIpl1]);
    }
    else if (srcIpl->width>srcIpl1->width && srcIpl->height==srcIpl1->height) {
        printf("匹配结果为:%f\n",[self CompareHistWithSmallWidthIpl:srcIpl1 withBigWidthIplImg:srcIpl]);
    }
    else if (srcIpl->width==srcIpl1->width && srcIpl->height<srcIpl1->height) {
        printf("匹配结果为:%f\n",[self CompareHistWithSmallHeightIpl:srcIpl withBigHeightIplImg:srcIpl1]);
    }
    else if (srcIpl->width==srcIpl1->width && srcIpl->height>srcIpl1->height) {
        printf("匹配结果为:%f\n",[self CompareHistWithSmallHeightIpl:srcIpl1 withBigHeightIplImg:srcIpl]);
    }
    else if (srcIpl->width<srcIpl1->width && srcIpl->height<srcIpl1->height) {
        printf("匹配结果为:%f\n",[self CompareHistWithSmallIpl:srcIpl withBigIplImg:srcIpl1]);
    }
    else if (srcIpl->width>srcIpl1->width && srcIpl->height>srcIpl1->height)
    {
        printf("匹配结果为:%f\n",[self CompareHistWithSmallIpl:srcIpl1 withBigIplImg:srcIpl]);
    }
}

-(double)CompareHistWithSmallWidthIpl:(IplImage*)srcIpl withBigWidthIplImg:(IplImage*)srcIpl1
{
    //当前匹配结果，越接近于0.0匹配度越高
    double dbRst=1.0;
    //匹配结果，-1表示正在匹配，0表示匹配失败，1表示匹配成功
    int tfFound = -1;
    //裁剪后的图片
    IplImage *cropImage;
    for (int j=0; j<srcIpl1->width-srcIpl->width; j++)
    {
        //裁剪图片
        cvSetImageROI(srcIpl1, cvRect(j, 0, srcIpl->width, srcIpl->height));
        cropImage = cvCreateImage(cvGetSize(srcIpl), IPL_DEPTH_8U, 3);
        cvCopy(srcIpl1, cropImage);
        cvResetImageROI(srcIpl1);
        //匹配图片
        double dbRst1 =[self CompareHist:srcIpl withParam2:cropImage];
        printf("匹配结果为:%f\n",dbRst1);
        if (dbRst1<=0.01)
        {
            //匹配成功
            tfFound = 1;
            break;
        }
        else if(dbRst==1.0 || dbRst1<dbRst)
        {
            //本次匹配有进步，更新结果
            cvReleaseImage(&cropImage);
            dbRst = dbRst1;
        }
        else if(dbRst1>dbRst)
        {
            cvReleaseImage(&cropImage);
        }
    }
    return dbRst;
}

-(double)CompareHistWithSmallHeightIpl:(IplImage*)srcIpl withBigHeightIplImg:(IplImage*)srcIpl1
{
    //当前匹配结果，越接近于0.0匹配度越高
    double dbRst=1.0;
    //匹配结果，-1表示正在匹配，0表示匹配失败，1表示匹配成功
    int tfFound = -1;
    //裁剪后的图片
    IplImage *cropImage;
    for (int j=0; j<srcIpl1->height-srcIpl->height; j++)
    {
        //裁剪图片
        cvSetImageROI(srcIpl1, cvRect(0, j, srcIpl->height, srcIpl->height));
        cropImage = cvCreateImage(cvGetSize(srcIpl), IPL_DEPTH_8U, 3);
        cvCopy(srcIpl1, cropImage);
        cvResetImageROI(srcIpl1);
        //匹配图片
        double dbRst1 =[self CompareHist:srcIpl withParam2:cropImage];
        printf("匹配结果为:%f\n",dbRst1);
        if (dbRst1<=0.01)
        {
            //匹配成功
            tfFound = 1;
            break;
        }
        else if(dbRst==1.0 || dbRst1<dbRst)
        {
            //本次匹配有进步，更新结果
            cvReleaseImage(&cropImage);
            dbRst = dbRst1;
        }
        else if(dbRst1>dbRst)
        {
            cvReleaseImage(&cropImage);
        }
    }
    return dbRst;
}

-(double)CompareHistWithSmallIpl:(IplImage*)srcIpl withBigIplImg:(IplImage*)srcIpl1
{
    //当前匹配结果，越接近于0.0匹配度越高
    double dbRst=1.0;
    //水平、竖直偏移量
    int xSub=0,ySub=0;
    //匹配结果，-1表示正在匹配，0表示匹配失败，1表示匹配成功
    int tfFound = -1;
    //裁剪后的图片
    IplImage *cropImage;
    //遍历方式：先竖后横
    for (int j=0; j<srcIpl1->width-srcIpl->width; j++)
    {
        for (int i=ySub; i<srcIpl1->height-srcIpl->height; i++)
        {
            //裁剪图片
            cvSetImageROI(srcIpl1, cvRect(j, i, srcIpl->width, srcIpl->height));
            cropImage = cvCreateImage(cvGetSize(srcIpl), IPL_DEPTH_8U, 3);
            cvCopy(srcIpl1, cropImage);
            cvResetImageROI(srcIpl1);
            //匹配图片
            double dbRst1 =[self CompareHist:srcIpl withParam2:cropImage];
            printf("(x=%d,y=%d),竖直匹配结果为:%f\n",j,i,dbRst1);
            if (dbRst1<=0.0375)
            {
                //匹配成功
                tfFound = 1;
                break;
            }
            else if(dbRst==1.0 || dbRst1<dbRst)
            {
                //本次匹配有进步，更新结果
                cvReleaseImage(&cropImage);
                dbRst = dbRst1;
            }
            else if(dbRst1>dbRst)
            {
                cvReleaseImage(&cropImage);
                //竖直移动到点了,该水平移动了
                ySub = i-1;
                for (int k=j+1;k<srcIpl1->width-srcIpl->width; k++)
                {
                    //裁切图片
                    cvSetImageROI(srcIpl1, cvRect(k, i, srcIpl->width, srcIpl->height));
                    cropImage = cvCreateImage(cvGetSize(srcIpl), IPL_DEPTH_8U, 3);
                    cvCopy(srcIpl1, cropImage);
                    cvResetImageROI(srcIpl1);
                    //匹配图片
                    double dbRst1 =[self CompareHist:srcIpl withParam2:cropImage];
                    printf("(x=%d,y=%d),水平移动匹配结果为:%f\n",k,i,dbRst1);
                    if (dbRst1<=0.0375)
                    {
                        //匹配成功
                        tfFound = 1;
                        xSub = k;
                        break;
                    }
                    else if(dbRst1<dbRst)
                    {
                        //本次匹配有进步，更新结果
                        cvReleaseImage(&cropImage);
                        xSub = k;
                        j = xSub;
                        dbRst = dbRst1;
                    }
                    else
                    {
                        cvReleaseImage(&cropImage);
                        xSub = k;
                        j = xSub;
                        break;
                    }
                }
            }
            if (tfFound==1 || tfFound==0) {
                break;
            }
        }
        if (tfFound==1 || tfFound==0) {
            break;
        }
    }
    return dbRst;
}

// 多通道彩色图片的直方图比对
-(double)CompareHist:(IplImage*)image1 withParam2:(IplImage*)image2
{
    int hist_size = 256;
    float range[] = {0,255};
    
    IplImage *gray_plane = cvCreateImage(cvGetSize(image1), 8, 1);
    cvCvtColor(image1, gray_plane, CV_BGR2GRAY);
    CvHistogram *gray_hist = cvCreateHist(1, &hist_size, CV_HIST_ARRAY);
    cvCalcHist(&gray_plane, gray_hist);
    
    IplImage *gray_plane2 = cvCreateImage(cvGetSize(image2), 8, 1);
    cvCvtColor(image2, gray_plane2, CV_BGR2GRAY);
    CvHistogram *gray_hist2 = cvCreateHist(1, &hist_size, CV_HIST_ARRAY);
    cvCalcHist(&gray_plane2, gray_hist2);
    
    return cvCompareHist(gray_hist, gray_hist2, CV_COMP_BHATTACHARYYA);
}


// 单通道彩色图片的直方图
-(double)CompareHistSignle:(IplImage*)image1 withParam2:(IplImage*)image2
{
    int hist_size = 256;
    float range[] = {0,255};
    
    CvHistogram *gray_hist = cvCreateHist(1, &hist_size, CV_HIST_ARRAY);
    cvCalcHist(&image1, gray_hist);
    

    CvHistogram *gray_hist2 = cvCreateHist(1, &hist_size, CV_HIST_ARRAY);
    cvCalcHist(&image2, gray_hist2);
    
    return cvCompareHist(gray_hist, gray_hist2, CV_COMP_BHATTACHARYYA);
}



// 进行肤色检测
-(void)SkinDetect:(IplImage*)src withParam:(IplImage*)dst
{
    // 创建图像头
    IplImage* hsv = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 3);//用于存图像的一个中间变量，是用来分通道用的，分成hsv通道
    IplImage* tmpH1 = cvCreateImage( cvGetSize(src), IPL_DEPTH_8U, 1);//通道的中间变量，用于肤色检测的中间变量
    IplImage* tmpS1 = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1);
    IplImage* tmpH2 = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1);
    IplImage* tmpS2 = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1);
    IplImage* tmpH3 = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1);
    IplImage* tmpS3 = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1);
    IplImage* H = cvCreateImage( cvGetSize(src), IPL_DEPTH_8U, 1);
    IplImage* S = cvCreateImage( cvGetSize(src), IPL_DEPTH_8U, 1);
    IplImage* V = cvCreateImage( cvGetSize(src), IPL_DEPTH_8U, 1);
    IplImage* src_tmp1=cvCreateImage(cvGetSize(src),8,3);
    
    // 高斯模糊
    cvSmooth(src,src_tmp1,CV_GAUSSIAN,3,3); //高斯模糊
    
    // hue色度，saturation饱和度，value纯度
    cvCvtColor(src_tmp1, hsv, CV_BGR2HSV );//颜色转换
    cvSplit(hsv,H,S,V,0);//分为3个通道
    /*********************肤色检测部分**************/
    cvInRangeS(H,cvScalar(0.0,0.0,0,0),cvScalar(20.0,0.0,0,0),tmpH1);
    cvInRangeS(S,cvScalar(75.0,0.0,0,0),cvScalar(200.0,0.0,0,0),tmpS1);
    cvAnd(tmpH1,tmpS1,tmpH1,0);
    
    // Red Hue with Low Saturation
    // Hue 0 to 26 degree and Sat 20 to 90
    cvInRangeS(H,cvScalar(0.0,0.0,0,0),cvScalar(13.0,0.0,0,0),tmpH2);
    cvInRangeS(S,cvScalar(20.0,0.0,0,0),cvScalar(90.0,0.0,0,0),tmpS2);
    cvAnd(tmpH2,tmpS2,tmpH2,0);
    
    // Red Hue to Pink with Low Saturation
    // Hue 340 to 360 degree and Sat 15 to 90
    cvInRangeS(H,cvScalar(170.0,0.0,0,0),cvScalar(180.0,0.0,0,0),tmpH3);
    cvInRangeS(S,cvScalar(15.0,0.0,0,0),cvScalar(90.,0.0,0,0),tmpS3);
    cvAnd(tmpH3,tmpS3,tmpH3,0);
    
    // Combine the Hue and Sat detections
    cvOr(tmpH3,tmpH2,tmpH2,0);
    cvOr(tmpH1,tmpH2,tmpH1,0);
    
    cvCopy(tmpH1,dst);
    
    cvReleaseImage(&hsv);
    cvReleaseImage(&tmpH1);
    cvReleaseImage(&tmpS1);
    cvReleaseImage(&tmpH2);
    cvReleaseImage(&tmpS2);
    cvReleaseImage(&tmpH3);
    cvReleaseImage(&tmpS3);
    cvReleaseImage(&H);
    cvReleaseImage(&S);
    cvReleaseImage(&V);
    cvReleaseImage(&src_tmp1);
}



/// UIImage类型转换为IPlImage类型
-(IplImage*)convertToIplImage:(UIImage*)image
{
    CGImageRef imageRef = image.CGImage;
    CGColorSpaceRef colorSpace = CGColorSpaceCreateDeviceRGB();
    IplImage *iplImage = cvCreateImage(cvSize(image.size.width, image.size.height), IPL_DEPTH_8U, 4);
    CGContextRef contextRef = CGBitmapContextCreate(iplImage->imageData, iplImage->width, iplImage->height, iplImage->depth, iplImage->widthStep, colorSpace, kCGImageAlphaPremultipliedLast|kCGBitmapByteOrderDefault);
    CGContextDrawImage(contextRef, CGRectMake(0, 0, image.size.width, image.size.height), imageRef);
    CGContextRelease(contextRef);
    CGColorSpaceRelease(colorSpace);
    IplImage *ret = cvCreateImage(cvGetSize(iplImage), IPL_DEPTH_8U, 3);
    cvCvtColor(iplImage, ret, CV_RGB2BGR);
    cvReleaseImage(&iplImage);
    return ret;
}

/// IplImage类型转换为UIImage类型
-(UIImage*)convertToUIImage:(IplImage*)image
{
    cvCvtColor(image, image, CV_BGR2RGB);
    CGColorSpaceRef colorSpace = CGColorSpaceCreateDeviceRGB();
    NSData *data = [NSData dataWithBytes:image->imageData length:image->imageSize];
    CGDataProviderRef provider = CGDataProviderCreateWithCFData((CFDataRef)data);
    CGImageRef imageRef = CGImageCreate(image->width, image->height, image->depth, image->depth * image->nChannels, image->widthStep, colorSpace, kCGImageAlphaNone | kCGBitmapByteOrderDefault, provider, NULL, false, kCGRenderingIntentDefault);
    UIImage *ret = [UIImage imageWithCGImage:imageRef];
    CGImageRelease(imageRef);
    CGDataProviderRelease(provider);
    CGColorSpaceRelease(colorSpace);
    return ret;
}

- (void)viewDidUnload
{
    [super viewDidUnload];
    self.imageView = nil;
    self.imageView1=nil;
    
    delete _videoCapture;
    _videoCapture = nil;
}


@end


W了个G
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
cvCompareHist函数 直方图对比 opencv vs2010
04-19
cvCompareHist函数 直方图对比 opencv vs2010 包含路径 库文件 根据情况自己改
opencv-ios开发笔记3 直方图匹配
正在编程
05-23 1612
练习使用opencv的直方图 图片匹配，了解下直方图对比分析的特性。
OpenCv（9）-- 直方图比较
Missaya的博客
04-18 709
原博文地址：https://blog.csdn.net/Hk_john/article/details/68485836?locationNum=11&amp;fps=1 写的很好，带源码分析
cvCompareHist() 直方图匹配
小狗爱晴天
02-04 3874
比较两个直方图的相似程度 函数原型和使用方法都很简单 /* Compares two histogram */ CVAPI(double)  cvCompareHist( const CvHistogram* hist1,                               const CvHistogram* hist2,                    
opencv-ios开发笔记4 梯度方向直方图hog行人目标图像监测
正在编程
05-26 2613
在iOS中使用hog+svm实现行人监测
KD-Tree 开源实现以及 OpenCV KD-Tree 使用
06-23
KD-Tree 开源实现以及 OpenCV KD-Tree 使用
iOS-OpenCV-BasicAPI：使用基础API
02-22
iOS-OpenCV-BasicAPI简单介绍 一。基础部分 1.关于OpenCV基础API的介绍极应用：多种滤波处理， 图片平滑，图像膨胀，腐蚀， 开闭操作，上下采样，几种阈值处理， 几种常用算子，提取图像中的直线和圆，重映射， ...
android-sdk-opencv-4.5.5&opencv-contrib-4.5.5-arm64-v8a
07-07
1.android 版的opencv-4.5.5 sdk； 2.含有opencv-contrib-4.5.5 扩展模块； 3.可以在android studio 中加载，通过java 层调用，也可以添加so库+头文件的方式在jni 层调用； 4.适用于arm64-v8a架构，即64bit cpu。
opencv-python-4.10.0.84.tar.gz
最新发布
06-26
9. 图像拼接与全景图创建：通过图像校正和匹配，能够将多张图片无缝拼接成全景图像。 10. 计算机视觉实验：提供许多现成的示例代码和预训练模型，方便开发者进行计算机视觉的实验和研究。 `cv2`是`opencv-python`...
xamarin.ios-opencv：适用于Xamarin.iOS的OpenCV
02-06
这是在Xamarin.iOS上使用OpenCV示例项目 指南 博客： ： 结构体 这里有两个文件夹：一个用于iOS静态库，另一个用于Xamarin解决方案 iOS静态库：具有一个功能的简单库：使用OpenCV检测图像上的人脸，导出.a文件以在...
Python Opencv中用compareHist函数进行直方图比较对比图片
09-17
主要介绍了Python Opencv中用compareHist函数进行直方图比较进行对比图片，本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
OpenCV图像处理——直方图
lzh的博客
11-17 852
直方图
ios--OpenCV--基于模板图片的标记识别
程序员的良师益友
04-15 2654
转载请注明来源： 效果图如下： #import "UIImage+OpenCV.h" #import "MyViewController.h" #import #import #import #import #import // Aperture value to use for the Canny edge detection const int kC
OpenCV使用函数compareHist的实例(附完整代码)
希望我的博客，能帮上你解决学习中工作中所遇到的问题
04-27 605
OpenCV使用函数compareHist的实例OpenCV使用函数compareHist的实例 OpenCV使用函数compareHist的实例 #include "opencv2/imgcodecs.hpp" #include "opencv2/highgui.hpp" #include "opencv2/imgproc.hpp" #include <iostream> using namespace std; using namespace cv; const char* keys =
opencv利用cvCalcHist获得手的肤色直方图的比较汇总
never give up的博客
06-11 2582
作为直方图比较的测试，我们利用手掌的一部分（即室内环境下手掌的上半部分），分别将该图像中色彩的直方图与该图像区域部分的直方图以及其他两幅手部图像中直方图进行对比。新鲜肤色通常比较容易在HSV色彩空间中提取。这提示我们在色调和饱和度通道中的限制不仅足够，而且有助于识别人的新鲜肤色。
opencv一些方法之我解——cvCreateHist
热门推荐
硕士茂哥
02-06 1万+
public static IntPtr cvCreateHist( int dims, int[] sizes, HIST_TYPE type, IntPtr[] ranges, int uniform ) 各个成员的意思结合下图来理解： dim是表示几维空间，即一般彩色图像是3通道的，dim=3；而灰度图是1通道的，dim=1 sizes如上图有10个方块，即siz
【练习7.2】直方图归一化cvNormalizeHist、匹配cvCompareHist及各种匹配方法
weixin_30691871的博客
05-07 290
提纲 题目要求 程序代码 结果图片 要言妙道 题目要求： 使用三种光照条件下的手的图像，利用cvCalcHist来获得直方图 a、获得图像HSV三维直方图 b、匹配三种光照条件下的直方图，使用所有的匹配方法，测试bin的值为2, 8, 16, 32, 256的情况 程序代码： ...
直方图与匹配
weixin_34150224的博客
06-29 140
灰度直方图是灰度级的函数，描述的是图像中具有该灰度级的像素的个数：其横坐标是灰度级，纵坐标是该灰度出现的频率(像素的个数)。 在opencv中可以通过cvCreateHist()来生成直方图   CvHistogram* cvCreateHist(     int dims,            int* sizes,        int type,         float*...
OpenCV统计应用-直方图比较
暂时为空
07-18 2507
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Bhatta
python绘制灰度图片直方图-opencv+python 统计及绘制直方图
06-07
要绘制灰度图片的直方图，可以使用OpenCV和Python来进行统计和绘制。 首先，需要读取灰度图像，并使用OpenCV的calcHist函数来计算直方图。代码如下： ``` import cv2 import numpy as np from matplotlib import ...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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