【个人笔记】OpenCV4 C++ 图像处理与视频分析 09课

个人资料，仅供学习使用
修改时间——2022年2月14日 10:59:22
学习课程：OpenCV4 图像处理与视频分析实战教程
课程讲师：贾志刚

09 图像直方图+直方图均衡化+直方图比较

opencv知识点：

• 计算直方图数据 - calcHist
• 四舍五入浮点数 - cvRound
• 寻找最小/最大值 - minMaxLoc
• 均衡灰度图像的直方图 - equalizeHist
• 比较直方图 - compareHist
• 比较直方图的方法 - HistCompMethods

本课所解决的问题：

• 什么是图像直方图？
• 如何绘制彩色图像的一维直方图？
• 如何绘制HSV图像的二维直方图？
• 什么是图像直方图均衡化？
• 如何均衡化灰度图像的直方图？
• 如何均衡化彩色图像的直方图？
• 什么是直方图比较？
• 如何比较直方图？

1.图像直方图

直方图部分地方涉及了归一化，没有归一化基础可以阅读 18 图像像素类型转换与归一化，文章中非常详细。

关于图像直方图以及一维直方图的绘制，可以阅读 24 图像直方图，文章中非常详细。

关于二维直方图的绘制，可以阅读 25 二维直方图，文章中非常详细。

2.直方图均衡化

关于图像直方图的均衡化，可以阅读 26 直方图均衡化，文章中非常详细。

3.直方图比较

引用文章：

• 【opencv学习笔记】026之直方图比较 - compareHist函数详解
• opencv之直方图比较图像相似度

直方图比较的应用

当我们计算完两个图像的直方图后，可以对它们进行对比，并通过对比的结果得到一些结论。

比如

• 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。

• 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，可以利用直方图比较，来分析两张图像的关系。

直方图比较的方法

对输入的两张图像计算得到直方图H1与H2，并归一化到相同的尺度空间
然后可以通过计算H1与H2的之间的距离得到两个直方图的相似程度，进而比较图像本身的相似程度。

计算标准不同，则计算所得的相似程度不同。
我们称这个标准为衡量直方图相似度的对比标准（比较方法），这里设其为d(H1,H2)。

常用的比较方法有四种：

• 相关性比较（Correlation）——CV_COMP_CORREL
• 卡方比较（Chi-Square）——CV_COMP_CHISQR
• 十字交叉性（Intersection）——CV_COMP_INTERSECT
• 巴氏距离（Bhattacharyya distance）——CV_COMP_BHATTACHARYYA

更多的比较方法可查阅OpenCV4官方文档

四种方法的原理

相关性比较
相关性比较的公式如下：

• 如果H1 = H2，即两个图的直方图一样，分子等于分母，值为1，所以在不严格的情况下，当值为1时，可以认为两个图是一样的。

• 但是也有可能会出现两个图不一样，而两个图的直方图是一样的情况。
  因为直方图计算的是像素点个数的分布情况，但是不会显示像素点的位置，所以有可能会出现两幅图片不一样，但是相同像素的个数完全一样，那他们的直方图也是一样的。
  不过这种情况，不常有。

相关性比较公式来源于统计学中的相关系数，一般用字母 r 表示。

其中，Cov(X,Y)为X与Y的协方差，sigma[X]为X的标准差，sigma[Y]为Y的标准差。r取值范围[-1,1]
相关系数适合数值与数值之间的关联性分析。
如果两个变量的相关性越强，相关系数就会越接近±1，相关性越弱，相关系数越接近0。

也就是说：

• 相关性比较的值越趋近于0，相似度越低
• 相关性比较的值越趋近于1，相似度越高

卡方比较
卡方比较的公式如下：

通过这个公式我们能够发现，卡方比较和相关性比较恰恰相反，

• 卡方比较的值越趋近于1，相似度越低
• 卡方比较的值越趋近于0，相似度越高

值为0时说明H1= H2，这个时候相似度最高。

卡方比较来源于卡方检验，卡方检验就是统计样本的实际观测值与理论推断值之间的偏离程度，
实际观测值与理论推断值之间的偏离程度就决定卡方值的大小，

• 卡方值越大，越不符合
• 卡方值越小，偏差越小，越趋于符合，
• 若两个值完全相等时，卡方值就为0，表明理论值完全符合。

十字交叉性
十字交叉性的公式如下：

这个就比较简单了，对比H1,H2并求出最小值，最后求和。

巴氏距离
巴氏距离的公式如下：

在直方图相似度计算时，巴氏距离获得的效果最好，但计算是最为复杂的。

巴氏距离和相关性比较类似：

• 巴氏距离的值越趋近于0，相似度越低
• 巴氏距离的值越趋近于1，相似度越高

也就是说：巴氏距离的计算结果，其值完全匹配为1，完全不匹配则为0。

直方图比较演示

现在先介绍一下要用到的API

• compareHist

compareHist

compareHist
	比较两个直方图
		共3个参数
			第1个参数 直方图H1
			第2个参数 直方图H2
					H1和H2大小要相同，要事先归一化
			第3个参数 比较方法（查阅官方文档可知）

比较之前， 一定要先对它们进行归一化处理，因为归一化后的比较才有意义。

本课中演示的直方图比较为BGR色彩空间，采取方式为

• 计算图像的直方图，并归一化到[0~1]之间
• 计算图1和图2、图1和图1的相关性和巴氏距离

也可以用cvtColor()把图像从BGR转换到HSV等其他色彩空间，转换后其他地方一一对应即可

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

void hist_compare() {
   
   
	Mat src1 = imread("D:/WorkSpace/Opencv/images/h