我想要比较2张图片，如果它们相似，那么我会保留2幅图像。我计算每个图像的HSV直方图，并比较直方图之间的距离。
现在，当获得第三张图像时，我必须将它与图像1和图像2（已经存储为一个相似的类型图像）进行比较。
如上所述的比较问题是图像的增加也增加了计算成本。
所以我想要做的就是如果2个图像相似而不是我希望将这些特征聚类为一个，那么将来类似图像的特征将与聚类特征进行比较。
选项1 如果我合并2直方图将是正确的？我不这么认为，但我不确定？
选项2 如何使用2图像特征分布，我从2直方图计算新的分布作为两个图像的组合分布。 ？这听起来不错吗？
答案 0 :(得分：1)
让我一步一步地采取行动：
任务：比较2张图片。如果它们相似则保持两者，否则以某种方式合并。特征空间：HSV直方图。
选项1合并直方图是否正确？
是的，因为你使用直方图而不是签名，你可以只使用两个直方图的区间并除以2。
游览：如果你想合并其他图像，你必须跟踪已经合并的数量，所以你知道如何加权
Example: histogram with one bin, three pictures
with p1=2, p2=6, p3=10
merge p1,p2 to m_12: (2+6)/2 = 4
merge m_12 and p3:
((weight * value m_12) + (weigth * value p3)) / 2
= ( (2/3 * 4) + (1/3 * 10) ) / 2
= 6 [equal to (p1+p2+p3) / 3]
tl;是的，你可以合并它们
选项2如何使用2图像特征分布，我将2直方图中的新分布计算为两个图像的组合分布。 ？这听起来不错吗？
是的，虽然我不知道你想怎么做。
如果你想加快你的程序速度，你应该检查不同的距离测量（我只记得签名的SQFD和地球移动距离，不幸的是atm）。通常他们有一个快速但粗略的下限。这可用于获得距离的良好下限，因此您可以减少搜索空间。
图像的增加也会增加计算成本。
检查层次聚类以查找适合大量图像的数据结构。