- 操作系统：ubuntu22.04
- OpenCV版本：OpenCV4.9
- IDE:Visual Studio Code
- 编程语言：C++11
算法描述
比较两个直方图。
函数 cv::compareHist 使用指定的方法比较两个密集或两个稀疏直方图。
该函数返回 d ( H 1 , H 2 ) d(H_1, H_2) d(H1,H2)
虽然该函数在处理一维、二维或三维的密集直方图时效果很好，但它可能不适合高维的稀疏直方图。在这样的直方图中，由于别名（aliasing）和采样问题，非零直方图bin的坐标可能会略微偏移。为了比较这样的直方图或更一般的加权点的稀疏配置，可以考虑使用 EMD 函数。
compareHist 是 OpenCV 中用于比较两个直方图相似性的函数。这个函数可以用来衡量两个直方图之间的差异或相似程度，常用于图像处理和计算机视觉任务中，比如图像检索、图像匹配或特征比较等。
函数原型1
cpp
ouble cv::compareHist
(
InputArray H1,
InputArray H2,
int method
) 参数1
- 参数H1 第一个被比较的直方图。
- 参数H2 第二个被比较的直方图，与 H1 具有相同的尺寸。
- 参数method 比较方法，参见 HistCompMethods。
函数原型2
这是一个重载的成员函数，为了方便而提供。它与上述函数的不同之处仅在于它接受的参数。
cpp
double cv::compareHist
(
const SparseMat & H1,
const SparseMat & H2,
int method
) 代码示例
cpp
#include <iostream>
#include <opencv2/opencv.hpp>
int main()
{
// 加载两幅图像
cv::Mat image1 = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/qiu.jpg", cv::IMREAD_GRAYSCALE );
cv::Mat image2 = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/qiu2.png", cv::IMREAD_GRAYSCALE );
if ( image1.empty() || image2.empty() )
{
std::cerr << "Error: Images not found or unable to read." << std::endl;
return -1;
}
// 计算两个图像的直方图
int histSize = 256;
float range[] = { 0, 256 };
const float* histRange = { range };
bool uniform = true;
bool accumulate = false;
cv::Mat hist1, hist2;
calcHist( &image1, 1, 0, cv::Mat(), hist1, 1, &histSize, &histRange, uniform, accumulate );
calcHist( &image2, 1, 0, cv::Mat(), hist2, 1, &histSize, &histRange, uniform, accumulate );
// 归一化直方图
cv::normalize( hist1, hist1, 0, 1, cv::NORM_MINMAX, -1, cv::Mat() );
cv::normalize( hist2, hist2, 0, 1, cv::NORM_MINMAX, -1, cv::Mat() );
// 比较两个直方图
double result_correlation = compareHist( hist1, hist2, cv::HISTCMP_CORREL );
double result_chisqr = compareHist( hist1, hist2, cv::HISTCMP_CHISQR );
double result_intersect = compareHist( hist1, hist2, cv::HISTCMP_INTERSECT );
double result_bhattacharyya = compareHist( hist1, hist2, cv::HISTCMP_BHATTACHARYYA );
std::cout << "Correlation: " << result_correlation << std::endl;
std::cout << "Chi-Squared: " << result_chisqr << std::endl;
std::cout << "Intersection: " << result_intersect << std::endl;
std::cout << "Bhattacharyya Distance: " << result_bhattacharyya << std::endl;
return 0;
}运行结果
输出结果解释
-
Correlation (相关性)：
- 含义：相关性比较方法衡量两个直方图之间的线性关系。值范围通常在 -1 到 1 之间。
- 结果：result_correlation 表示两个直方图的相关性得分。
- 解释：如果结果接近 1，则表示两个直方图高度相关；如果接近 0，则表示没有相关性；如果接近 -1，则表示负相关。
-
Chi-Squared (卡方)：
- 含义：卡方比较方法衡量两个直方图之间的差异。值范围通常是非负数。
- 结果：result_chisqr 表示两个直方图的卡方得分。
- 解释：如果结果接近 0，则表示两个直方图非常相似；如果结果较大，则表示两个直方图差异较大。
-
Intersection (交集)：
- 含义：交集比较方法衡量两个直方图的交集部分。值范围通常在 0 到 1 之间。
- 结果：result_intersect 表示两个直方图的交集得分。
- 解释：如果结果接近 1，则表示两个直方图高度重合；如果接近 0，则表示几乎没有重合。
-
Bhattacharyya Distance (巴塔查里雅距离)：
- 含义：巴塔查里雅距离衡量两个概率分布之间的相似性。值范围通常是非负数。
- 结果：result_bhattacharyya 表示两个直方图的巴塔查里雅距离。
- 解释：如果结果接近 0，则表示两个直方图非常相似；如果结果较大，则表示两个直方图差异较大。