Python Opencv中用compareHist函数进行直方图比较对比图片

下面是详细的Python Opencv中用compareHist函数进行直方图比较对比图片的攻略，包括两个示例。

下面是详细的Python Opencv中用compareHist函数进行直方图比较对比图片的攻略，包括两个示例。

前提条件

在使用compareHist函数进行直方图比较前，需要先了解以下基本概念：

• 直方图：描述图像的像素值分布情况的统计方法，由若干个像素值范围组成的区间（也称为“箱子”）和落入每个区间内的像素数或像素比例（也称为“项”）构成。

• 直方图特征向量：描述一张图像的直方图信息所构成的向量。

• 直方图相似度度量：比较两个直方图特征向量的相似度方法。

compareHist函数的详细说明

compareHist函数用于比较两个直方图特征向量的相似度，函数原型如下：

cv2.compareHist(H1, H2, method)

其中，H1和H2为要进行对比的两个直方图特征向量，method为直方图相似度度量方法。

常用的method参数值有以下几种：

• cv2.HISTCMP_CORREL：相关性比较法，取值范围为[-1,1]，值越大表示越相似（1表示完全相似，0表示不相关，-1表示完全相反）。

• cv2.HISTCMP_CHISQR：卡方比较法，取值范围为[0, +∞)，值越小表示越相似。

• cv2.HISTCMP_INTERSECT：交集比较法，取值范围为[0,1]，值越大表示越相似（1表示完全相同）。

• cv2.HISTCMP_BHATTACHARYYA：巴氏距离比较法，取值范围为[0,1]，值越小表示越相似。

示例1：比较两张图片的直方图相似度

下面是一个示例，演示如何用compareHist函数比较两张图片的直方图相似度。

import cv2 

img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')

# 将图片转换成灰度图
gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)

# 计算直方图
hist1 = cv2.calcHist([gray1],[0],None,[256],[0,256])
hist2 = cv2.calcHist([gray2],[0],None,[256],[0,256])

# 进行直方图比较
corr = cv2.compareHist(hist1, hist2, cv2.HISTCMP_CORREL)
chisqr = cv2.compareHist(hist1, hist2, cv2.HISTCMP_CHISQR)
intersect = cv2.compareHist(hist1, hist2, cv2.HISTCMP_INTERSECT)
bhattacharya = cv2.compareHist(hist1, hist2, cv2.HISTCMP_BHATTACHARYYA)

# 输出相似度结果
print('相关性：', corr)
print('卡方距离：', chisqr)
print('交集：', intersect)
print('巴氏距离：', bhattacharya)

需要先将两张图片转换成灰度图，然后用cv2.calcHist函数计算出直方图特征向量，最后用cv2.compareHist函数比较两个直方图的相似度。

示例2：比较两张图片多通道的直方图相似度

如果要比较的图片是彩色图片，可以考虑使用多通道的直方图特征向量进行比较。下面是一个示例，演示如何比较两张图片多通道的直方图相似度。

import cv2

img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')

# 计算RGB三个通道的直方图
hist1_r = cv2.calcHist([img1],[0],None,[256],[0,256])
hist1_g = cv2.calcHist([img1],[1],None,[256],[0,256])
hist1_b = cv2.calcHist([img1],[2],None,[256],[0,256])
hist1 = cv2.merge([hist1_r, hist1_g, hist1_b])

hist2_r = cv2.calcHist([img2],[0],None,[256],[0,256])
hist2_g = cv2.calcHist([img2],[1],None,[256],[0,256])
hist2_b = cv2.calcHist([img2],[2],None,[256],[0,256])
hist2 = cv2.merge([hist2_r, hist2_g, hist2_b])

# 进行直方图比较
corr = cv2.compareHist(hist1, hist2, cv2.HISTCMP_CORREL)
chisqr = cv2.compareHist(hist1, hist2, cv2.HISTCMP_CHISQR)
intersect = cv2.compareHist(hist1, hist2, cv2.HISTCMP_INTERSECT)
bhattacharya = cv2.compareHist(hist1, hist2, cv2.HISTCMP_BHATTACHARYYA)

# 输出相似度结果
print('相关性：', corr)
print('卡方距离：', chisqr)
print('交集：', intersect)
print('巴氏距离：', bhattacharya)

这个示例中，需要计算RGB三个通道的直方图特征向量，然后用cv2.merge函数将三个通道合并成一个多通道的直方图特征向量，最后用cv2.compareHist函数比较两个多通道直方图的相似度。