Python OpenCV 图像处理之直方图的应用，取经之旅第 26 天

梦想橡皮擦

关注

发布于: 2021 年 04 月 15 日

Python OpenCV 365 天学习计划，与橡皮擦一起进入图像领域吧。

基础知识铺垫

上篇博客 Python OpenCV 图像处理之图像直方图，取经之旅第 25 天中，我们重点学习了直方图的绘制方法与应用，本篇博客继续对直方图进行分析。

本篇博客咱们首先学习一下，如何用直方图去比较两幅图片的相似性。

通过 <kbd>cv2.compareHist</kbd> 函数计算图片的相似度，在今天的学习中，橡皮擦并没有 get 到一个特别好的场景，故本部分从语法角度进行学习。

cv2.compareHist 函数

该函数原型如下：

cv2.compareHist(H1, H2, method)

复制代码

参数说明如下：

H1，H2：要比较图像的直方图；
method：比较方式

其中比较方式涉及如下几种枚举值。

<kbd>cv2.HISTCMP_CORREL</kbd>：相关性比较，值越大，相关度越高，最大值为 1，最小值为 0；
<kbd>cv2.HISTCMP_CHISQR</kbd>：卡方比较，值越小，相关度越高，最大值无上界，最小值 0；
<kbd>cv2.HISTCMP_BHATTACHARYYA</kbd>：巴氏距离比较，值越小，相关度越高，最大值为 1，最小值为 0；
<kbd>cv2.HISTCMP_INTERSECT</kbd>：十字交叉，值越大越相似。

先比较灰度图的，运行下述代码即可。

import cv2 as cvimport numpy as npfrom matplotlib import pyplot as plt

def create_gray_hist(image):    # 创建一个灰度直方图    img = cv.cvtColor(image, cv.COLOR_BGR2GRAY)    hist = cv.calcHist([img], [0], None, [256],  [0, 256])    return hist

def hist_compare(image1, image2):
    # 第一幅图的灰度图直方图    hist1 = create_gray_hist(image1)    # 第二幅图的灰度图直方图    hist2 = create_gray_hist(image2)    # 进行三种方式的直方图比较    match1 = cv.compareHist(hist1, hist2, cv.HISTCMP_BHATTACHARYYA)    match2 = cv.compareHist(hist1, hist2, cv.HISTCMP_CORREL)    match3 = cv.compareHist(hist1, hist2, cv.HISTCMP_CHISQR)    match4 = cv.compareHist(hist1, hist2, cv.HISTCMP_INTERSECT)    print("巴氏距离：%s, 相关性：%s, 卡方：%s, 十字交叉：%s" % (match1, match2, match3, match4))

src1 = cv.imread("./black.jpg")cv.imshow("diff1", src1)src2 = cv.imread("./yellow.jpg")cv.imshow("diff2", src2)
plt.subplot(1, 2, 1)plt.title("diff1")plt.plot(create_gray_hist(src1))plt.subplot(1, 2, 2)plt.title("diff2")plt.plot(create_gray_hist(src2))
hist_compare(src1, src2)plt.show()while True:    k = cv.waitKey(0) & 0xFF    if k == 27:        breakcv.destroyAllWindows()

复制代码

结果如下图所示，这里我找的是两个相似的图片（从找不同游戏里面找到的）。

得到的结果如下：

巴氏距离：0.0501735845451386, 相关性：0.9855477082033252, 卡方：3887.8752812639, 十字交叉：166493.0

复制代码

由于两张图非常相似，得到的结果也符合刚才的说明。

巴氏距离：0.0501735845451386 >>> 值越小，相关度越高，最大值为 1，最小值为 0；
相关性：0.9855477082033252 >>> 值越大，相关度越高，最大值为 1，最小值为 0；
卡方：3887.8752812639 >>> 值越小，相关度越高，最大值无上界，最小值 0；（不过看起来，这个好像用处不大）
十字交叉：166493.0 >>> 十字交叉，值越大越相似。

切换成不同的两张图片，可以看一下运行结果，首先看灰度直方图。

在看得到的各个值：

巴氏距离：0.28273836677812036, 相关性：0.4615912771396342, 卡方：186501.9955618743, 十字交叉：126877.0

复制代码

接下来，我们比较一下彩色图的直方图，这部分我也在网上看到了一个算法，但是由于代码实在没看太懂，直接忽略掉了。以下代码转载自网络，建议本阶段，看一下就好，不要钻牛角尖。

代码来源：网络。

def create_rgb_hist(image):  """"创建 RGB 三通道直方图（直方图矩阵）"""    h, w, c = image.shape    # 创建一个（16*16*16,1）的初始矩阵，作为直方图矩阵    # 16*16*16的意思为三通道每通道有16个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]            # 人为构建直方图矩阵的索引，该索引是通过每一个像素点的三通道值进行构建            index = int(b / bsize) * 16 * 16 + int(g / bsize) * 16 + int(r / bsize)             # 该处形成的矩阵即为直方图矩阵            rgbhist[int(index), 0] += 1    plt.ylim([0, 10000])    plt.grid(color='r', linestyle='--', linewidth=0.5, alpha=0.3)    return rgbhist

复制代码

不过，除了灰度直方图，咱们用已有的知识可以比较不同通道的直方图。

具体代码修改部分如下：

def create_gray_hist(image):    # 创建一个灰度直方图    # img = cv.cvtColor(image, cv.COLOR_BGR2GRAY)    hist = cv.calcHist([image], [1], None, [256],  [0, 256])    return hist

复制代码

关于上文提及的 巴氏距离，卡方 都属于统计学知识，暂时按下不表。

橡皮擦的小节

希望今天的一个小时，你有所收获，我们下篇博客见~

梦想橡皮擦

关注

爬虫 100 例作者，蓝桥签约作者，博客专家 2021.02.06 加入

6 年产品经理+教学经验，3 年互联网项目管理经验；互联网资深爱好者；沉迷各种技术无法自拔，导致年龄被困在 25 岁； CSDN 爬虫 100 例作者。个人公众号“梦想橡皮擦”。

发布

暂无评论

创作场景

Python OpenCV 图像处理之直方图的应用，取经之旅第 26 天

基础知识铺垫

cv2.compareHist 函数

橡皮擦的小节

梦想橡皮擦

评论