• 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 $d(H_1,H_2)$
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

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。

double cv::compareHist
(
	const SparseMat & 	H1,
	const SparseMat & 	H2,
	int 	method 
)		

代码示例

#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

1. 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。

2. 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。

3. 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。

4. 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。