小白导读
学习计算机视觉最重要的能力应该就是编程了,为了帮助小伙伴尽快入门计算机视觉,小白准备了【OpenCV入门】系列。新的一年文章的内容进行了很大的完善,主要是借鉴了更多大神的文章,希望让小伙伴更加容易理解。如果小伙伴觉得有帮助,请点击一下文末的“好看”鼓励一下小白。
直方图比较方法-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 -计算结果范围为 -1到1 -1很不相关,1完全一样
Chi-Square 卡方比较 -计算结果越接近0,两个直方图越相似
Intersection 十字交叉性 -计算公式为取两个直方图每个相同位置的值的最小值,然后求和,这个比较方式不是很好,不建议使用
Bhattacharyya distance 巴氏距离 - 比较结果是很准的,计算结果范围为 0-1 ,0表示两个直方图非常相关,1最不相似
计算结果范围为 -1到1 -1很不相关,1完全一样
2 直方图比较方法-卡方计算(CV_COMP_CHISQR)计算结果越接近0,两个直方图越相似H1,H2分别表示两个图像的直方图数据
3 直方图比较方法-十字计算(CV_COMP_INTERSECT)计算公式为取两个直方图每个相同位置的值的最小值,然后求和,这个比较方式不是很好,不建议使用H1,H2分别表示两个图像的直方图数据
4 直方图比较方法-巴氏距离计算(CV_COMP_BHATTACHARYYA)比较结果是很准的,计算结果范围为 0-1 ,0表示两个直方图非常相关,1最不相似
H1,H2分别表示两个图像的直方图数据
函数介绍
首先把图像从RGB色彩空间转换到HSV色彩空间cvtColor
计算图像的直方图,然后归一化到[0~1]之间calcHist和normalize;
使用上述四种比较方法之一进行比较compareHist
cv::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
)
程序步骤
#include
#include
#include
using namespace std;
using namespace cv;
string convertToString(double d);
int main(int argc, char** argv) {
// 1. 声明储存基准图像和另外两张对比图像的矩阵( RGB 和 HSV )
Mat base, test1, test2;
Mat hsvbase, hsvtest1, hsvtest2;
// 2. 装载基准图像(src_base) 和两张测试图像:
base = imread("E:/Experiment/OpenCV/Pictures/lenanoise.jpg");
if (!base.data) {
printf("could not load image...\n");
return -1;
}
test1 = imread("E:/Experiment/OpenCV/Pictures/lena.jpg");
test2 = imread("E:/Experiment/OpenCV/Pictures/lena1.jpg");
// 3. 将图像转化到HSV格式:
cvtColor(base, hsvbase, CV_BGR2HSV);//转换为 HSV 颜色空间,也是3通道
cvtColor(test1, hsvtest1, CV_BGR2HSV);
cvtColor(test2, hsvtest2, CV_BGR2HSV);
// 4. 初始化计算直方图需要的实参(bins, 范围,通道 H 和 S ).
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 };
// 5. 创建储存直方图的 MatND 实例:
//ND 表示二维或多维的Mat ,typedef Mat MatND; 源码中MatND的声明。 Mat表示二维的数组
MatND hist_base;
MatND hist_test1;
MatND hist_test2;
// 6. 计算基准图像,两张测试图像
calcHist(&hsvbase, 1, channels, Mat(), hist_base, 2, histSize, ranges, true, false);
normalize(hist_base, hist_base, 0, 1, NORM_MINMAX, -1, Mat());//归一化到 0-1 之间
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());
// 7. 使用4种对比标准将基准图像(hist_base)的直方图与其余各直方图进行对比:
//比较的算法 CV_COMP_CORREL CHISQR INTERSECT BHATTACHARYYA
double basebase = compareHist(hist_base, hist_base, CV_COMP_CORREL);
double basetest1 = compareHist(hist_base, hist_test1, CV_COMP_CORREL);
double basetest2 = compareHist(hist_base, hist_test2, CV_COMP_CORREL);
double tes1test2 = compareHist(hist_test1, hist_test2, CV_COMP_CORREL);
printf("test1 compare with test2 correlation value :%f", tes1test2);
Mat test12;
test2.copyTo(test12);
// 8. 将比较的结果转换为string,然后以文字的方式绘制到图形上
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);
namedWindow("base", CV_WINDOW_AUTOSIZE);
namedWindow("test1", CV_WINDOW_AUTOSIZE);
namedWindow("test2", CV_WINDOW_AUTOSIZE);
imshow("base", base);
imshow("test1", test1);
imshow("test2", test2);
imshow("test12", test12);
waitKey(0);
return 0;
}
string convertToString(double d) {
ostringstream os;
if (os << d) // << 运算符重载了,将double转成string
return os.str();
return "invalid conversion";
}
运行截图
主要借鉴”Madcola“和”Micheal超“两位大神的文章。两位大神的博客主页是:
https://www.cnblogs.com/skyfsm/(Madcola)
https://blog.csdn.net/qq_42887760(Micheal超)
结束语
由于时间和文章篇幅有限,本次总结先到这里,下次小白会为小伙伴们带来OpenCV的感兴趣区域ROI和logo添加技术,各位小伙伴敬请期待。如果小伙伴觉得本文对自己有帮助,请帮忙点击一下右下角的“好看”,鼓励一下小白。
往期文章一览
1、西游记竟然是一个有关计算机网络协议的故事
2、【生日送书】
3、基于单目视觉的三维重建算法综述
4、那些简历造假拿offer的程序员,后来都怎么样了?
5、隔壁实验室同学实习得到了offer,我要不要也出去实习?
6、【走进OpenCV】滤波代码原来这么写
7、【走进OpenCV】这样腐蚀下来让我膨胀
8、视觉SLAM综述9、清华大学智能机器人研究报告【概述篇】
10、清华大学智能机器人研究报告【技术篇】
你点的每个 好看,我都认真当成了喜欢