Python Opencv中用compareHist函數(shù)進(jìn)行直方圖比較對比圖片
圖像直方圖
圖像直方圖是反映一個(gè)圖像像素分布的統(tǒng)計(jì)表,其實(shí)橫坐標(biāo)代表了圖像像素的種類,可以是灰度的,也可以是彩色的??v坐標(biāo)代表了每一種顏色值在圖像中的像素總數(shù)或者占所有像素個(gè)數(shù)的百分比。
圖像是由像素構(gòu)成,因?yàn)榉从诚袼胤植嫉闹狈綀D往往可以作為圖像一個(gè)很重要的特征。在實(shí)際工程中,圖像直方圖在特征提取、圖像匹配等方面都有很好的應(yīng)用。
直方圖比較
1. 圖像相似度比較
如果我們有兩張圖像,并且這兩張圖像的直方圖一樣,或者有極高的相似度,那么在一定程度上,我們可以認(rèn)為這兩幅圖是一樣的,這就是直方圖比較的應(yīng)用之一。
2. 分析圖像之間關(guān)系
兩張圖像的直方圖反映了該圖像像素的分布情況,可以利用圖像的直方圖,來分析兩張圖像的關(guān)系。
直方圖比較函數(shù)
cv2.compareHist(H1, H2, method)
其中:
- H1,H2 分別為要比較圖像的直方圖
- method - 比較方式
比較方式(method)
- 相關(guān)性比較 (method=cv.HISTCMP_CORREL) 值越大,相關(guān)度越高,最大值為1,最小值為0
- 卡方比較(method=cv.HISTCMP_CHISQR 值越小,相關(guān)度越高,最大值無上界,最小值0
- 巴氏距離比較(method=cv.HISTCMP_BHATTACHARYYA) 值越小,相關(guān)度越高,最大值為1,最小值為0
代碼實(shí)現(xiàn)
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
def create_rgb_hist(image):
""""創(chuàng)建 RGB 三通道直方圖(直方圖矩陣)"""
h, w, c = image.shape
# 創(chuàng)建一個(gè)(16*16*16,1)的初始矩陣,作為直方圖矩陣
# 16*16*16的意思為三通道每通道有16個(gè)bins
rgbhist = np.zeros([16 * 16 * 16, 1], np.float32)
bsize = 256 / 16
for row in range(h):
for col in range(w):
b = image[row, col, 0]
g = image[row, col, 1]
r = image[row, col, 2]
# 人為構(gòu)建直方圖矩陣的索引,該索引是通過每一個(gè)像素點(diǎn)的三通道值進(jìn)行構(gòu)建
index = int(b / bsize) * 16 * 16 + int(g / bsize) * 16 + int(r / bsize)
# 該處形成的矩陣即為直方圖矩陣
rgbhist[int(index), 0] += 1
plt.ylim([0, 10000])
plt.grid(color='r', linestyle='--', linewidth=0.5, alpha=0.3)
return rgbhist
def hist_compare(image1, image2):
"""直方圖比較函數(shù)"""
# 創(chuàng)建第一幅圖的rgb三通道直方圖(直方圖矩陣)
hist1 = create_rgb_hist(image1)
# 創(chuàng)建第二幅圖的rgb三通道直方圖(直方圖矩陣)
hist2 = create_rgb_hist(image2)
# 進(jìn)行三種方式的直方圖比較
match1 = cv.compareHist(hist1, hist2, cv.HISTCMP_BHATTACHARYYA)
match2 = cv.compareHist(hist1, hist2, cv.HISTCMP_CORREL)
match3 = cv.compareHist(hist1, hist2, cv.HISTCMP_CHISQR)
print("巴氏距離:%s, 相關(guān)性:%s, 卡方:%s" %(match1, match2, match3))
src1 = cv.imread("diff1.PNG")
cv.imshow("diff1", src1)
src2 = cv.imread("diff2.PNG")
cv.imshow("diff2", src2)
plt.subplot(1,2,1)
plt.title("diff1")
plt.plot(create_rgb_hist(src1))
plt.subplot(1,2,2)
plt.title("diff2")
plt.plot(create_rgb_hist(src2))
hist_compare(src1, src2)
plt.show()
cv.waitKey(0)
cv.destroyAllWindows()


巴氏距離:0.3116175231543461, 相關(guān)性:0.8805851455583134,
卡方:154379.82963705878
從計(jì)算得到的三個(gè)比較值可以發(fā)現(xiàn)巴氏距離較低,相關(guān)性較高,可以簡單認(rèn)為這兩幅圖的相似度比較大。
例如下面兩幅圖


巴氏距離:0.8939676325760126, 相關(guān)性:0.03202528698270991,
卡方:503948.24201884575
從計(jì)算得到的三個(gè)比較值可以發(fā)現(xiàn)巴氏距離很高,相關(guān)性系數(shù)很低,可以簡單認(rèn)為這兩幅圖的相似度非常小。
總結(jié)
到此這篇關(guān)于Python Opencv中用compareHist函數(shù)進(jìn)行直方圖比較進(jìn)行對比圖片的文章就介紹到這了,更多相關(guān)python Opencv compareHist函數(shù)直方圖內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
python requests包的request()函數(shù)中的參數(shù)-params和data的區(qū)別介紹
這篇文章主要介紹了python requests包的request()函數(shù)中的參數(shù)-params和data的區(qū)別介紹,具有很好參考價(jià)值,希望對大家有所幫助。一起跟隨小編過來看看吧2020-05-05
Python實(shí)現(xiàn)隨機(jī)生成一個(gè)漢字的方法分享
這篇文章主要為大家詳細(xì)介紹了Python如何實(shí)現(xiàn)隨機(jī)生成一個(gè)漢字的功能,文中的示例代碼講解詳細(xì),對我們深入了解Python有一定的幫助,需要的可以參考一下2023-01-01
PyCharm插件開發(fā)實(shí)踐之PyGetterAndSetter詳解
這篇文章主要介紹了PyCharm插件開發(fā)實(shí)踐-PyGetterAndSetter,本文給大家介紹的非常詳細(xì),對大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2021-10-10
Python進(jìn)程間通信Queue實(shí)例解析
這篇文章主要介紹了Python進(jìn)程間通信Queue實(shí)例解析,分享了相關(guān)代碼示例,小編覺得還是挺不錯(cuò)的,具有一定借鑒價(jià)值,需要的朋友可以參考下2018-01-01
python reverse反轉(zhuǎn)部分?jǐn)?shù)組的實(shí)例
今天小編就為大家分享一篇python reverse反轉(zhuǎn)部分?jǐn)?shù)組的實(shí)例,具有很好的參考價(jià)值,希望對大家有所幫助。一起跟隨小編過來看看吧2018-12-12

