当前位置：首页 > news >正文

OpenCV直方图比较：原理与四种方法详解

news 2025/9/23 9:05:12

什么是直方图比较？

直方图比较是计算机视觉中一种重要的图像相似度度量方法。它通过统计图像中像素值的分布特征，将图像内容转化为数值表示，进而比较不同图像之间的相似程度。这种方法对旋转、缩放和轻微视角变化具有一定的不变性，因此在图像检索、目标识别和图像分类等领域有广泛应用。

OpenCV中的直方图计算

在OpenCV中，我们使用calcHist()函数来计算图像的直方图。以下是该函数的详细参数说明：

void calcHist(const Mat* images, int nimages, const int* channels, InputArray mask, OutputArray hist, int dims, const int* histSize,const float** ranges,bool uniform = true, bool accumulate = false);

images：输入的图像的指针
nimages：输入图像个数
channels：需要统计直方图的通道索引
mask：掩模，必须是8位(CV_8U)数组且与images大小相同
hist：直方图计算的输出值
dims：输出直方图的维度
histSize：每个维度的直方图区间数(柱子数量)
ranges：统计像素值的区间范围
uniform：是否对直方图进行归一化处理
accumulate：是否累积计算多幅图像的像素值

实战：HSV颜色空间直方图比较

下面是一个完整的直方图比较示例代码：

void CompareHist()
{// 显示原始图像imshow("input1", image);imshow("input2", temp);// 转换到HSV颜色空间Mat hsv1, hsv2;cvtColor(image, hsv1, COLOR_BGR2HSV);cvtColor(temp, hsv2, COLOR_BGR2HSV);// 设置直方图参数int h_bins = 60; int s_bins = 64;int histSize[] = { h_bins, s_bins };float h_ranges[] = { 0, 180 };float s_ranges[] = { 0, 256 };const float* ranges[] = { h_ranges, s_ranges };int channels[] = { 0, 1 };// 计算直方图Mat hist1, hist2;calcHist(&hsv1, 1, channels, Mat(), hist1, 2, histSize, ranges, true, false);calcHist(&hsv2, 1, channels, Mat(), hist2, 2, histSize, ranges, true, false);// 归一化处理normalize(hist1, hist1, 0, 1, NORM_MINMAX, -1, Mat());normalize(hist2, hist2, 0, 1, NORM_MINMAX, -1, Mat());// 4种比较方法for (int i = 0; i < 4; i++){int compare_method = i;double src1_src2 = compareHist(hist1, hist2, compare_method);qDebug() << " Method" << i << ": src1_src2:" << src1_src2;printf(" Method [%d]  : src1_src2 : %f \n", i, src1_src2);}waitKey(0);
}

四种直方图比较方法详解

OpenCV提供了四种主要的直方图比较方法，每种方法都有其特点和适用场景：

1. 相关性比较 (CV_COMP_CORREL)

double result = compareHist(hist1, hist2, CV_COMP_CORREL);

原理：基于皮尔逊相关系数，衡量两个直方图的线性相关性
范围：[0, 1]
解释：值越接近1，表示直方图相似度越高
公式： $d(H1,H2)=∑I(H1(I)−H1ˉ)(H2(I)−H2ˉ)∑I(H1(I)−H1ˉ)2∑I(H2(I)−H2ˉ)2d(H_1,H_2) = \frac{\sum_I (H_1(I) - \bar{H_1}) (H_2(I) - \bar{H_2})}{\sqrt{\sum_I (H_1(I) - \bar{H_1})^2 \sum_I (H_2(I) - \bar{H_2})^2}}$

2. 卡方检验 (CV_COMP_CHISQR)

double result = compareHist(hist1, hist2, CV_COMP_CHISQR);

原理：基于卡方统计量，检验两个分布的差异性
范围：[0, ∞)
解释：值越接近0，表示直方图相似度越高
公式： $d(H1,H2)=∑I(H1(I)−H2(I))2H1(I)d(H_1,H_2) = \sum_I \frac{(H_1(I) - H_2(I))^2}{H_1(I)}$

3. 直方图相交 (CV_COMP_INTERSECT)

double result = compareHist(hist1, hist2, CV_COMP_INTERSECT);

原理：计算两个直方图在每个区间的重合程度
范围：[0, ∞)
解释：值越大，表示直方图相似度越高
公式： $d(H1,H2)=∑Imin⁡(H1(I),H2(I))d(H_1,H_2) = \sum_I \min(H_1(I), H_2(I))$

4. 巴氏距离 (CV_COMP_BHATTACHARYYA)

double result = compareHist(hist1, hist2, CV_COMP_BHATTACHARYYA);

原理：测量两个概率分布之间的重叠程度
范围：[0, 1]
解释：完全匹配为0，完全不匹配为1（与其它方法相反）
公式： $d(H1,H2)=1−1H1ˉH2ˉN2∑IH1(I)⋅H2(I)d(H_1,H_2) = \sqrt{1 - \frac{1}{\sqrt{\bar{H_1} \bar{H_2} N^2}} \sum_I \sqrt{H_1(I) \cdot H_2(I)}}$