opencv中图像直方图常见操作之直方图比较（二）

图像直方图常见操作（一）：https://blog.csdn.net/qq_37120369/article/details/104792427

1.概述：

对输入的两张图像计算得到直方图H1与H2，归一化到相同的尺度空间 然后可以通过计算H1与H2的之间的距离得到两个直方图的相似程度进 而比较图像本身的相似程度。

Opencv提供的比较方法有四种：

Correlation 相关性比较

Chi-Square 卡方比较

Intersection 十字交叉性

Bhattacharyya distance 巴氏距离

2.四种方法计算公式介绍：

Correlation 相关性比较 （函数中对应CV_COMP_CORREL）

Chi-Square 卡方比较（函数中对应CV_COMP_CHISQR）

Intersection 十字交叉性（函数中对应CV_COMP_INTERSECT）

Bhattacharyya distance 巴氏距离（函数中对应CV_COMP_BHATTACHARYYA）

3.图像直方图比较步骤：

首先把图像从RGB色彩空间转换到HSV色彩空间   （函数cvtColor） 

计算图像的直方图，然后归一化到[0~1]之间  （函数calcHist和normalize）

使用上述四种比较方法之一进行比较   （函数compareHist）

4.相关API：

如上述所示，normalize，calHist，cvtColo用法r参见我的其他文章，这里仅介绍以前未使用的

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

)
5.例程：

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

using namespace std;
using namespace cv;

string convertToString(double d);
int main(int argc, char** argv) {
	Mat base, test1;
	Mat hsvbase, hsvtest1, hsvtest2;
	base = imread("C:\\Users\\Administrator\\Pictures\\nv.jpg");
	if (!base.data) {
		printf("could not load image...\n");
		return -1;
	}
	test1 = imread("C:\\Users\\Administrator\\Pictures\\nan.jpg");

	cvtColor(base, hsvbase, CV_BGR2HSV);
	cvtColor(test1, hsvtest1, CV_BGR2HSV);

	int h_bins = 50; int s_bins = 60;     
	int histSize[] = { h_bins, s_bins };
	// hue varies from 0 to 179, saturation from 0 to 255     
	float h_ranges[] = { 0, 180 };     
	float s_ranges[] = { 0, 256 };
	const float* ranges[] = { h_ranges, s_ranges };
	// Use the o-th and 1-st channels     
	int channels[] = { 0, 1 };
	MatND hist_base;
	MatND hist_test1;

	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());

	double basetest1 = compareHist(hist_base, hist_test1, CV_COMP_CORREL);//相关性比较

	putText(test1, convertToString(basetest1), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA);
	
	namedWindow("base", CV_WINDOW_AUTOSIZE);
	namedWindow("test1", CV_WINDOW_AUTOSIZE);

	imshow("base", base);
	imshow("test1", test1);

	waitKey(0);
	return 0;
}

string convertToString(double d) {
	ostringstream os;
	if (os << d)
		return os.str();
	return "invalid conversion";
}

这是一对情侣头像，通过相关性比较得到它们之间的相关性达到了0.73，这表明我们实验成功