时间:2021-05-22
图像直方图
图像直方图是反映一个图像像素分布的统计表,其实横坐标代表了图像像素的种类,可以是灰度的,也可以是彩色的。纵坐标代表了每一种颜色值在图像中的像素总数或者占所有像素个数的百分比。
图像是由像素构成,因为反映像素分布的直方图往往可以作为图像一个很重要的特征。在实际工程中,图像直方图在特征提取、图像匹配等方面都有很好的应用。
直方图比较
1. 图像相似度比较
如果我们有两张图像,并且这两张图像的直方图一样,或者有极高的相似度,那么在一定程度上,我们可以认为这两幅图是一样的,这就是直方图比较的应用之一。
2. 分析图像之间关系
两张图像的直方图反映了该图像像素的分布情况,可以利用图像的直方图,来分析两张图像的关系。
直方图比较函数
cv2.compareHist(H1, H2, method)
其中:
比较方式(method)
代码实现
import cv2 as cvimport numpy as npfrom matplotlib import pyplot as pltdef 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 rgbhistdef hist_compare(image1, image2): """直方图比较函数""" # 创建第一幅图的rgb三通道直方图(直方图矩阵) hist1 = create_rgb_hist(image1) # 创建第二幅图的rgb三通道直方图(直方图矩阵) hist2 = create_rgb_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) print("巴氏距离:%s, 相关性:%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()巴氏距离:0.3116175231543461, 相关性:0.8805851455583134,
卡方:154379.82963705878
从计算得到的三个比较值可以发现巴氏距离较低,相关性较高,可以简单认为这两幅图的相似度比较大。
例如下面两幅图
巴氏距离:0.8939676325760126, 相关性:0.03202528698270991,
卡方:503948.24201884575
从计算得到的三个比较值可以发现巴氏距离很高,相关性系数很低,可以简单认为这两幅图的相似度非常小。
总结
到此这篇关于Python Opencv中用compareHist函数进行直方图比较进行对比图片的文章就介绍到这了,更多相关python Opencv compareHist函数直方图内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持!
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
相比C++而言,Python适合做原型。本系列的文章介绍如何在Python中用OpenCV图形库,以及与C++调用相应OpenCV函数的不同之处。这篇文章介绍在
最近跟着OpenCV2-Python-Tutorials在学习python_opencv中直方图的反向投影时,第一种方法是使用numpy实现将图中的红色玫瑰分割
本文实例为大家分享了python实现两张图片像素融合的具体代码,供大家参考,具体内容如下通过计算两张图片的颜色直方图特征,利用直方图对图片的颜色进行融合。imp
基于OpenCV2.4.8和python2.7实现简单的手势识别。以下为基本步骤1.去除背景,提取手的轮廓2.RGB->YUV,同时计算直方图3.进行形态学滤波
利用opencv来识别图片中的矩形。其中遇到的问题主要是识别轮廓时矩形内部的形状导致轮廓不闭合。1.对输入灰度图片进行高斯滤波2.做灰度直方图,提取阈值,做二值