天猫优惠卷怎么做网站,视频网站开发用什么服务器,品牌网站建设-建站之路,建网站商城平台文章目录 直方图比较的目的相关性计算 (CV_COMP_CORREL)卡方计算 (CV_COMP_CHISQR)十字计算(CV_COMP_INTERSECT)巴氏距离计算 (CV_COMP_BHATTACHARYYA )compareHist 直方图比较算子示例 直方图比较的目的 直方图比较的目的是衡量两幅图像之间的相似度或差异度。通过计算图像的颜… 文章目录 直方图比较的目的相关性计算 (CV_COMP_CORREL)卡方计算 (CV_COMP_CHISQR)十字计算(CV_COMP_INTERSECT)巴氏距离计算 (CV_COMP_BHATTACHARYYA )compareHist 直方图比较算子示例 直方图比较的目的 直方图比较的目的是衡量两幅图像之间的相似度或差异度。通过计算图像的颜色直方图并对其进行归一化处理可以得到描述图像颜色分布的特征向量。然后通过比较这些特征向量我们可以评估两幅图像在颜色分布上的相似程度。 在计算直方图相似度时常用的方法包括交叉相关性Correlation、卡方Chi-Square、巴氏距离Bhattacharyya distance等。这些方法可以帮助我们量化图像之间的相似性从而在图像检索、匹配和分类等领域发挥重要作用。 在图像处理中使用色调Hue和饱和度Saturation来计算直方图是一种常见的做法主要有以下几个原因 颜色信息较为重要色调和饱和度包含了图像中的颜色信息而亮度Value通道往往受光照等因素影响较大不太适合用于颜色分布的比较。计算效率高计算二维色调-饱和度直方图相对计算三维色调-饱和度-亮度直方图更为高效可以降低计算复杂度。颜色差异明显色调和饱和度能够有效地表现不同颜色之间的差异对于许多图像分析和检索任务已经足够。相关性计算 (CV_COMP_CORREL) 卡方计算 (CV_COMP_CHISQR) 十字计算(CV_COMP_INTERSECT) 巴氏距离计算 (CV_COMP_BHATTACHARYYA ) compareHist 直方图比较算子
compareHist(
InputArray h1, // 直方图数据下同
InputArray H2,
int method// 比较方法上述四种方法之一
)示例
#include opencv2/opencv.hpp
#include iostream
#include math.husing namespace std;
using namespace cv;string convertToString(double d);int main(int argc, char** argv) {// 读取图像Mat base, test1, test2;Mat hsvbase, hsvtest1, hsvtest2;base imread(D:/vcprojects/images/test.jpg);if (!base.data) {printf(could not load image...\n);return -1;}test1 imread(D:/vcprojects/images/lena.png);test2 imread(D:/vcprojects/images/lenanoise.png);// 转换为HSV格式cvtColor(base, hsvbase, CV_BGR2HSV);cvtColor(test1, hsvtest1, CV_BGR2HSV);cvtColor(test2, hsvtest2, CV_BGR2HSV);// 设置直方图参数int h_bins 50; // 色调Hue分组数量int s_bins 60; // 饱和度Saturation分组数量int histSize[] { h_bins, s_bins }; // 直方图的 bin 数量二维直方图float h_ranges[] { 0, 180 }; // 色调取值范围float s_ranges[] { 0, 256 }; // 饱和度取值范围const float* ranges[] { h_ranges, s_ranges }; // 取值范围数组int channels[] { 0, 1 }; // 要计算直方图的通道// 计算直方图MatND hist_base;MatND hist_test1;MatND hist_test2;calcHist(hsvbase, 1, channels, Mat(), hist_base, 2, histSize, ranges, true, false);normalize(hist_base, hist_base, 0, 1, NORM_MINMAX, -1, Mat());calcHist(hsvtest1, 1, channels, Mat(), hist_test1, 2, histSize, ranges, true, false);normalize(hist_test1, hist_test1, 0, 1, NORM_MINMAX, -1, Mat());calcHist(hsvtest2, 1, channels, Mat(), hist_test2, 2, histSize, ranges, true, false);normalize(hist_test2, hist_test2, 0, 1, NORM_MINMAX, -1, Mat());// 计算直方图相似度double basebase compareHist(hist_base, hist_base, CV_COMP_INTERSECT);double basetest1 compareHist(hist_base, hist_test1, CV_COMP_INTERSECT);double basetest2 compareHist(hist_base, hist_test2, CV_COMP_INTERSECT);double tes1test2 compareHist(hist_test1, hist_test2, CV_COMP_INTERSECT);printf(test1 compare with test2 correlation value :%f, tes1test2);// 在图像上显示相似度值Mat test12;test2.copyTo(test12);putText(base, convertToString(basebase), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA);putText(test1, convertToString(basetest1), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA);putText(test2, convertToString(basetest2), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA);putText(test12, convertToString(tes1test2), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA);// 创建窗口并显示图像namedWindow(base);namedWindow(test1);namedWindow(test2);namedWindow(test12);imshow(base, base);imshow(test1, test1);imshow(test2, test2);imshow(test12, test12);waitKey(0);return 0;
}// 将double类型转换为字符串
string convertToString(double d) {ostringstream os;if (os d)return os.str();return invalid conversion;
}
