OpenCV4入门教程081：图像直方图比较

索引地址：系列索引

如果有两幅相似的图，使用函数cv::compareHist获取一个数值参数，表示两个直方图相互匹配的程度。使用不同的指标来比较直方图：相关性、Chi-Square、交点、Bhattacharyya distance。

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

using namespace std;
using namespace cv;

void getHistogram(const Mat &grayImg, Mat &histogram)
{
    int bins = 256;
    int nimages = 1;
    int channels[] = {0};
    Mat mask;
    int dims = 1;
    int histSize[] = { bins };
    float rangeGS[] = {0, 256};
    const float* ranges[] = { rangeGS };
    bool uniform = true;
    bool accumulate = false;
    calcHist(&grayImg,
             nimages,
             channels,
             mask,
             histogram,
             dims,
             histSize,
             ranges,
             uniform,
             accumulate);
}

int main()
{
    Mat image1 = imread("Test.png");
    Mat image2 = imread("Test2.png");
    if(image1.empty() || image2.empty())
    {
        cout << "Empty input image!";
        return -1;
    }

    Mat grayImg1, grayImg2, histogram1, histogram2;
    cvtColor(image1, grayImg1, COLOR_BGR2GRAY);
    cvtColor(image2, grayImg2, COLOR_BGR2GRAY);

    getHistogram(grayImg2, histogram1);
    getHistogram(grayImg1, histogram2);

    cout << "HISTCMP_CORREL: " << compareHist(histogram1, histogram2, HISTCMP_CORREL) << endl;
    cout << "HISTCMP_CHISQR: " << compareHist(histogram1, histogram2, HISTCMP_CHISQR) << endl;
    cout << "HISTCMP_INTERSECT: " << compareHist(histogram1, histogram2, HISTCMP_INTERSECT) << endl;
    cout << "HISTCMP_BHATTACHARYYA: " << compareHist(histogram1, histogram2, HISTCMP_BHATTACHARYYA) << endl;
    cout << "HISTCMP_HELLINGER: " << compareHist(histogram1, histogram2, HISTCMP_HELLINGER) << endl;
    cout << "HISTCMP_CHISQR_ALT: " << compareHist(histogram1, histogram2, HISTCMP_CHISQR_ALT) << endl;
    cout << "HISTCMP_KL_DIV: " << compareHist(histogram1, histogram2, HISTCMP_KL_DIV) << endl;

    return 0;
}

测试图片：

测试代码：

//---------------------------------【头文件、命名空间包含部分】----------------------------
//      描述：包含程序所使用的头文件和命名空间
//------------------------------------------------------------------------------------------------
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
using namespace cv;

//--------------------------------------【main( )函数】-----------------------------------------
//          描述：控制台应用程序的入口函数，我们的程序从这里开始执行
//-----------------------------------------------------------------------------------------------
int main() {
    //【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 srcImage_base, hsvImage_base;
    Mat srcImage_test1, hsvImage_test1;
    Mat srcImage_test2, hsvImage_test2;
    Mat hsvImage_halfDown;

    //【2】载入基准图像(srcImage_base) 和两张测试图像srcImage_test1、srcImage_test2，并显示
    srcImage_base  = imread("1.jpg", 1);
    srcImage_test1 = imread("2.jpg", 1);
    srcImage_test2 = imread("3.jpg", 1);
    //显示载入的3张图像
    imshow("Base", srcImage_base);
    imshow("Testing1", srcImage_test1);
    imshow("Testing2", srcImage_test2);

    // 【3】将图像由BGR色彩空间转换到 HSV色彩空间
    cvtColor(srcImage_base, hsvImage_base, COLOR_BGR2HSV);
    cvtColor(srcImage_test1, hsvImage_test1, COLOR_BGR2HSV);
    cvtColor(srcImage_test2, hsvImage_test2, COLOR_BGR2HSV);

    //【4】创建包含基准图像下半部的半身图像(HSV格式)
    hsvImage_halfDown = hsvImage_base(Range(hsvImage_base.rows / 2, hsvImage_base.rows - 1),
                                      Range(0, hsvImage_base.cols - 1));

    //【5】初始化计算直方图需要的实参
    // 对hue通道使用30个bin,对saturatoin通道使用32个bin
    int h_bins     = 50;
    int s_bins     = 60;
    int histSize[] = {h_bins, s_bins};
    // hue的取值范围从0到256, saturation取值范围从0到180
    float        h_ranges[] = {0, 256};
    float        s_ranges[] = {0, 180};
    const float *ranges[]   = {h_ranges, s_ranges};
    // 使用第0和第1通道
    int channels[] = {0, 1};

    // 【6】创建储存直方图的 MatND 类的实例:
    MatND baseHist;
    MatND halfDownHist;
    MatND testHist1;
    MatND testHist2;

    // 【7】计算基准图像，两张测试图像，半身基准图像的HSV直方图:
    calcHist(&hsvImage_base, 1, channels, Mat(), baseHist, 2, histSize, ranges, true, false);
    normalize(baseHist, baseHist, 0, 1, NORM_MINMAX, -1, Mat());

    calcHist(&hsvImage_halfDown, 1, channels, Mat(), halfDownHist, 2, histSize, ranges, true,
             false);
    normalize(halfDownHist, halfDownHist, 0, 1, NORM_MINMAX, -1, Mat());

    calcHist(&hsvImage_test1, 1, channels, Mat(), testHist1, 2, histSize, ranges, true, false);
    normalize(testHist1, testHist1, 0, 1, NORM_MINMAX, -1, Mat());

    calcHist(&hsvImage_test2, 1, channels, Mat(), testHist2, 2, histSize, ranges, true, false);
    normalize(testHist2, testHist2, 0, 1, NORM_MINMAX, -1, Mat());

    //【8】按顺序使用4种对比标准将基准图像的直方图与其余各直方图进行对比:
    for (int i = 0; i < 4; i++) {
        //进行图像直方图的对比
        int    compare_method = i;
        double base_base      = compareHist(baseHist, baseHist, compare_method);
        double base_half      = compareHist(baseHist, halfDownHist, compare_method);
        double base_test1     = compareHist(baseHist, testHist1, compare_method);
        double base_test2     = compareHist(baseHist, testHist2, compare_method);
        //输出结果
        printf(" 方法 [%d] 的匹配结果如下：\n\n 【基准图 - 基准图】：%f, 【基准图 - "
               "半身图】：%f,【基准图 - 测试图1】： %f, 【基准图 - 测试图2】：%f "
               "\n-----------------------------------------------------------------\n",
               i, base_base, base_half, base_test1, base_test2);
    }

    printf("检测结束。");
    waitKey(0);
    return 0;
}

加载基础图像和2个测试图像进行比较。生成基本图像的下半部分的1个图像将图像转换为HSV格式计算所有图像的HS直方图，并对它们进行归一化，以便进行比较。比较基本图像的直方图与2个测试直方图，下半部基本图像的直方图以及相同的基本图像直方图。显示获得的数值匹配参数。

测试结果：

方法 [0] 的匹配结果如下：

 【基准图 - 基准图】：1.000000, 【基准图 - 半身图】：0.909230,【基准图 - 测试图1】： 0.266814, 【基准图 - 测试图2】：0.130479 
-----------------------------------------------------------------
 方法 [1] 的匹配结果如下：

 【基准图 - 基准图】：0.000000, 【基准图 - 半身图】：21.251731,【基准图 - 测试图1】： 4940.943629, 【基准图 - 测试图2】：3960.965260 
-----------------------------------------------------------------
 方法 [2] 的匹配结果如下：

 【基准图 - 基准图】：58.699014, 【基准图 - 半身图】：33.209244,【基准图 - 测试图1】： 7.322875, 【基准图 - 测试图2】：4.538224 
-----------------------------------------------------------------
 方法 [3] 的匹配结果如下：

 【基准图 - 基准图】：0.000000, 【基准图 - 半身图】：0.359217,【基准图 - 测试图1】： 0.603080, 【基准图 - 测试图2】：0.663177 
-----------------------------------------------------------------
检测结束。