我使用openCV库来获取图像中的相似度百分比。我使用了openCv库的compareHist函数返回double值,在这个函数中传递了不同的方法名(int值),并为每个Mehod获得了不同的结果。现在如何对这些double值做出决定????
Mat src_base, hsv_base;
Mat src_test1, hsv_test1;
// Mat src_test2, hsv_test2;
Mat hsv_half_down;
String baseImgPath = [baseImagePath UTF8String];
String firstCmpImgPath = [firstCmpImagePath UTF8String];//compare image path
src_base = imread( baseImgPath, 1 ); read source image
src_test1 = imread(firstCmpImgPath, 1 ); read compared image
// src_test2 = imread(secondCmpImgPath, 1 );
if( !src_base.data || !src_test1.data /*||!src_test2.data*/)
{
return nil;
}
cvtColor( src_base, hsv_base, COLOR_BGR2HSV );
cvtColor( src_test1, hsv_test1, COLOR_BGR2HSV );
//cvtColor( src_test2, hsv_test2, COLOR_BGR2HSV );
hsv_half_down = hsv_base( Range( hsv_base.rows/2, hsv_base.rows - 1 ), Range( 0, hsv_base.cols - 1 ) );
/// Using 50 bins for hue and 60 for saturation
int h_bins = 50; int s_bins = 60;
int histSize[] = { h_bins, s_bins };
// hue varies from 0 to 179, saturation from 0 to 255
float h_ranges[] = { 0, 180 };
float s_ranges[] = { 0, 256 };
const float* ranges[] = { h_ranges, s_ranges };
// Use the o-th and 1-st channels
int channels[] = { 0, 1 };
/// Histograms
MatND hist_base;
MatND hist_half_down;
MatND hist_test1;
MatND hist_test2;
/// Calculate the histograms for the HSV images
calcHist( &hsv_base, 1, channels, Mat(), hist_base, 2, histSize, ranges, true, false );
normalize( hist_base, hist_base, 0, 1, NORM_MINMAX, -1, Mat() );
calcHist( &hsv_half_down, 1, channels, Mat(), hist_half_down, 2, histSize, ranges, true, false );
normalize( hist_half_down, hist_half_down, 0, 1, NORM_MINMAX, -1, Mat() );
calcHist( &hsv_test1, 1, channels, Mat(), hist_test1, 2, histSize, ranges, true, false );
normalize( hist_test1, hist_test1, 0, 1, NORM_MINMAX, -1, Mat() );
for( int i = 0; i < 4; i++ )
{
int compare_method = i;
double base_test1 = compareHist( hist_base, hist_test1, compare_method );
}
compare method are CV_COMP_CORREL, CV_COMP_CHISQR , CV_COMP_INTERSECT , CV_COMP_BHATTACHARYYA
Reference link http://docs.opencv.org/doc/tutorials/imgproc/histograms/histogram_comparison/histogram_comparison.html
答案 0 :(得分:2)
对于位图,定义一个相似度量来计算图像中与目标图像不同的像素百分比是有意义的。
但是,当您使用位图/图像的直方图时,此度量标准会失去意义,因为您已在该图像上创建了统计信息(或提取了要素)。从这一点开始,为了计算相似度,您可以比较两个图像的特征,在您的情况下使用 compareHist 。
更高的距离意味着更加不同的图像,0距离意味着图像100%相同。现在它取决于算法是否实际输出0.但是0.5距离并不意味着图像相同50%。
但是,您可以人为地创建以百分比衡量的相似度。您可以考虑以下事项:
根据这些假设,您可以根据 computeHist 距离提取以百分比衡量的相似度。