python + opencv-如何正确比较图像（通过直方图）？

Question

我想整理一堆图像（来自MC Escher系列），所以我想到的第一步是通过比较它们将它们归类（您知道，有些具有不同的分辨率/形状等）。

我写了一个非常残酷的脚本来： *阅读文件 *计算他们的直方图 *比较它们

但是比较的质量确实很低，例如匹配的文件完全不同

看看我到目前为止写的东西：

准备直方图

files_hist = {}

for i, f in enumerate(files):
    try:
        frame = cv2.imread(f)
        frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        hist = cv2.calcHist([frame],[0],None,[4096],[0,4096])
        cv2.normalize(hist, hist, alpha=0, beta=1, norm_type=cv2.NORM_MINMAX)

        files_hist[f] = hist
    except Exception as e:
        print('ERROR:', f, e)

比较直方图

pairs = list(itertools.combinations(files_hist.keys(), 2))

for i, (f1, f2) in enumerate(pairs):
    correl = cv2.compareHist(files_hist[f1], files_hist[f2], cv2.HISTCMP_CORREL)

    if correl >= 0.999:
        print('MATCH:', correl, f1, f2)

现在，例如，我得到了这两个文件的匹配项：

m._c._escher_244_（1933）.jpg

和

m._c._escher_208_（1931）.jpg

及其相关性（使用上面的代码）为0.9996699595530539（因此它们实际上是相同的:(）

我在做什么错？我如何改进该代码以避免这种错误匹配？

谢谢！

Answer 1

直方图不是比较图像的好方法，例如，在黑白图像中，如果它们具有相同数量的黑色像素，则无论图像中的像素分布如何，直方图都将相同（这就是为什么您提到的图像被归类为几乎相等。

有更好的方法来量化图像之间的差异，this post提到了一个不错的选择：

• 将两个图像都加载为数组（scipy.misc.imread），然后计算逐个元素（逐像素）差异。计算差异的范数。

编辑：

回答一些问题：

  

我认为每个像素的零范数将是0.0-1.0值，值接近0.0意味着“图像相同”，对吗？

接近0.0的值表示像素相同。要比较整个图像，您需要对所有像素求和。如果总和值接近0.0，则表示图像几乎相同。

  

两个图像大小不同怎么办？

那是一个很好的选择。要计算标准差，图像必须具有相同的大小。我看到两种方法可以实现这一目标：

• 第一个方法是将一个图像调整为另一个图像的形状，问题是这会导致图像失真。

• 第二个是将较小的图像填充为零，直到大小匹配为止。

obs：如果对像素范数进行求和，则将得到一个介于零和图像像素数之间的值。如果要比较多个图像，这可能会造成混淆。例如，假设您正在比较图像A和B，并且两者的形状均为50x50（因此，图像的像素为2500）；值接近2500表示图像完全不同。现在假设您正在比较图像C和D，它们的形状均为1000x1000，在这种情况下，值2500表示图像相似。要解决此问题，您可以将按像素计算的总和除以图像中的像素数，这将得出0.0到1.0之间的值，0.0表示图像相同，而1.0表示它们完全不同。

  

是的，这是我在比较2张具有不同尺寸diff = image1 - image2 ValueError: operands could not be broadcast together with shapes (850,534) (663,650)的图像时收到的错误

这是因为图像具有不同的形状。调整大小或填充可以避免此错误（如上所述）。