直方图对比

视频讲解如下：

在本章节中给大家演示直方图对比，当前代码同样是在毛星云的代码基础上进行扩展优化的。

当前系列所有demo下载地址：

https://github.com/GaoRenBao/OpenCv4-Demo

不同编程语言对应的OpenCv版本以及开发环境信息如下： 

首先呢，我们需要准备三张测试图片。（不想下载工程的童鞋，可直接复制下面的图片和代码）

以下从左到右依次是C#、C++、Python三种版本的执行结果对比：

C#版本代码如下：

C#版本需要安装“OpenCvSharp4”、“OpenCvSharp4.runtime.win”两个库才行。不然会报错。

如果需要使用“ BitmapConverter.ToBitmap”操作，则需要追加安装“OpenCvSharp4.Extensions”库。

using OpenCvSharp;
using System;

namespace demo
{
    internal class Program
    {
        static void Main(string[] args)
        {
            // 【1】声明储存基准图像和另外两张对比图像的矩阵( RGB 和 HSV )
            Mat srcImage_base = Cv2.ImRead("../../../images/book1.jpg");
            Mat srcImage_test1 = Cv2.ImRead("../../../images/book2.jpg");
            Mat srcImage_test2 = Cv2.ImRead("../../../images/book3.jpg");
            //显示载入的3张图像
            Cv2.ImShow("基准图像", srcImage_base);
            Cv2.ImShow("测试图像1", srcImage_test1);
            Cv2.ImShow("测试图像2", srcImage_test2);

            // 【3】将图像由BGR色彩空间转换到 HSV色彩空间
            Mat hsvImage_base = new Mat();
            Mat hsvImage_test1 = new Mat();
            Mat hsvImage_test2 = new Mat();
            Cv2.CvtColor(srcImage_base, hsvImage_base, ColorConversionCodes.BGR2HSV);
            Cv2.CvtColor(srcImage_test1, hsvImage_test1, ColorConversionCodes.BGR2HSV);
            Cv2.CvtColor(srcImage_test2, hsvImage_test2, ColorConversionCodes.BGR2HSV);

            //【4】创建包含基准图像下半部的半身图像(HSV格式)
            Rect faces = new Rect()
            {
                X = 0,
                Y = hsvImage_base.Rows / 2,
                Width = hsvImage_base.Cols,
                Height = hsvImage_base.Rows / 2,
            };
            Mat hsvImage_halfDown = new Mat(hsvImage_base, faces);

            //【5】初始化计算直方图需要的实参
            // 对hue通道使用30个bin,对saturatoin通道使用32个bin
            int h_bins = 50;
            int s_bins = 60;
            int[] histSize = { h_bins, s_bins };
            // hue的取值范围从0到256, saturation取值范围从0到180
            Rangef h_ranges = new Rangef(0, 256);
            Rangef s_ranges = new Rangef(0, 180);
            Rangef[] ranges = { h_ranges, s_ranges };
            // 使用第0和第1通道
            int[] channels = { 0, 1 };

            // 【6】创建储存直方图的 MatND 类的实例:
            Mat baseHist = new Mat();
            Mat halfDownHist = new Mat();
            Mat testHist1 = new Mat();
            Mat testHist2 = new Mat();

            // 【7】计算基准图像，两张测试图像，半身基准图像的HSV直方图:
            Cv2.CalcHist(new Mat[] { hsvImage_base }, channels, null, baseHist, 2, histSize, ranges, true, false);
            Cv2.Normalize(baseHist, baseHist, 0, 1, NormTypes.MinMax, -1, null);

            Cv2.CalcHist(new Mat[] { hsvImage_halfDown }, channels, null, halfDownHist, 2, histSize, ranges, true, false);
            Cv2.Normalize(halfDownHist, halfDownHist, 0, 1, NormTypes.MinMax, -1, null);

            Cv2.CalcHist(new Mat[] { hsvImage_test1 }, channels, null, testHist1, 2, histSize, ranges, true, false);
            Cv2.Normalize(testHist1, testHist1, 0, 1, NormTypes.MinMax, -1, null);

            Cv2.CalcHist(new Mat[] { hsvImage_test2 }, channels, null, testHist2, 2, histSize, ranges, true, false);
            Cv2.Normalize(testHist2, testHist2, 0, 1, NormTypes.MinMax, -1, null);

            //【8】按顺序使用4种对比标准将基准图像的直方图与其余各直方图进行对比:
            for (int i = 0; i < 4; i++)
            {
                //进行图像直方图的对比
                HistCompMethods compare_method = (HistCompMethods)i;
                double base_base = Cv2.CompareHist(baseHist, baseHist, compare_method);
                double base_half = Cv2.CompareHist(baseHist, halfDownHist, compare_method);
                double base_test1 = Cv2.CompareHist(baseHist, testHist1, compare_method);
                double base_test2 = Cv2.CompareHist(baseHist, testHist2, compare_method);

                //输出结果
                Console.WriteLine($"方法[{i}]的匹配结果如下");
                Console.WriteLine($"【基准图 - 基准图】：{base_base}");
                Console.WriteLine($"【基准图 - 半身图】：{base_half}");
                Console.WriteLine($"【基准图 - 测试图1】：{base_test1}");
                Console.WriteLine($"【基准图 - 测试图2】：{base_test2}\r\n");
            }
            Console.WriteLine("检测结束。");
            Cv2.WaitKey(0);
        }
    }
}

C++版本代码如下：

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
using namespace cv;

int main()
{
    //【1】声明储存基准图像和另外两张对比图像的矩阵( RGB 和 HSV )
    Mat srcImage_base, hsvImage_base;
    Mat srcImage_test1, hsvImage_test1;
    Mat srcImage_test2, hsvImage_test2;
    Mat hsvImage_halfDown;

    //【2】载入基准图像(srcImage_base) 和两张测试图像srcImage_test1、srcImage_test2，并显示
    srcImage_base = imread("../images/book1.jpg");
    srcImage_test1 = imread("../images/book2.jpg");
    srcImage_test2 = imread("../images/book3.jpg");

    //显示载入的3张图像
    imshow("基准图像", srcImage_base);
    imshow("测试图像1", srcImage_test1);
    imshow("测试图像2", srcImage_test2);

    // 【3】将图像由BGR色彩空间转换到 HSV色彩空间
    cvtColor(srcImage_base, hsvImage_base, COLOR_BGR2HSV);
    cvtColor(srcImage_test1, hsvImage_test1, COLOR_BGR2HSV);
    cvtColor(srcImage_test2, hsvImage_test2, COLOR_BGR2HSV);

    //【4】创建包含基准图像下半部的半身图像(HSV格式)
    hsvImage_halfDown = hsvImage_base(Range(hsvImage_base.rows / 2, hsvImage_base.rows - 1), Range(0, hsvImage_base.cols - 1));

    //【5】初始化计算直方图需要的实参
    // 对hue通道使用30个bin,对saturatoin通道使用32个bin
    int h_bins = 50; int s_bins = 60;
    int histSize[] = { h_bins, s_bins };
    // hue的取值范围从0到256, saturation取值范围从0到180
    float h_ranges[] = { 0, 256 };
    float s_ranges[] = { 0, 180 };
    const float* ranges[] = { h_ranges, s_ranges };
    // 使用第0和第1通道
    int channels[] = { 0, 1 };

    // 【6】创建储存直方图的 MatND 类的实例:
    MatND baseHist;
    MatND halfDownHist;
    MatND testHist1;
    MatND testHist2;

    // 【7】计算基准图像，两张测试图像，半身基准图像的HSV直方图:
    calcHist(&hsvImage_base, 1, channels, Mat(), baseHist, 2, histSize, ranges, true, false);
    normalize(baseHist, baseHist, 0, 1, NORM_MINMAX, -1, Mat());

    calcHist(&hsvImage_halfDown, 1, channels, Mat(), halfDownHist, 2, histSize, ranges, true, false);
    normalize(halfDownHist, halfDownHist, 0, 1, NORM_MINMAX, -1, Mat());

    calcHist(&hsvImage_test1, 1, channels, Mat(), testHist1, 2, histSize, ranges, true, false);
    normalize(testHist1, testHist1, 0, 1, NORM_MINMAX, -1, Mat());

    calcHist(&hsvImage_test2, 1, channels, Mat(), testHist2, 2, histSize, ranges, true, false);
    normalize(testHist2, testHist2, 0, 1, NORM_MINMAX, -1, Mat());


    //【8】按顺序使用4种对比标准将基准图像的直方图与其余各直方图进行对比:
    for (int i = 0; i < 4; i++)
    {
        //进行图像直方图的对比
        int compare_method = i;
        double base_base = compareHist(baseHist, baseHist, compare_method);
        double base_half = compareHist(baseHist, halfDownHist, compare_method);
        double base_test1 = compareHist(baseHist, testHist1, compare_method);
        double base_test2 = compareHist(baseHist, testHist2, compare_method);

        //输出结果
        printf("方法 [%d] 的匹配结果如下：\r\n", i);
        printf("【基准图 - 基准图】：%f：\r\n", base_base);
        printf("【基准图 - 半身图】：%f：\r\n", base_half);
        printf("【基准图 - 测试图1】：%f：\r\n", base_test1);
        printf("【基准图 - 测试图2】：%f：\r\n\r\n", base_test2);
    }

    printf("检测结束。");
    waitKey(0);
    return 0;
}

Python版本代码如下：

import cv2

# 【1】载入基准图像(srcImage_base) 和两张测试图像srcImage_test1、srcImage_test2，并显示
srcImage_base = cv2.imread('../images/book1.jpg"')
srcImage_test1 = cv2.imread('../images/book2.jpg')
srcImage_test2 = cv2.imread('../images/book3.jpg')

# 【2】显示载入的3张图像
cv2.imshow('srcImage_base', srcImage_base)
cv2.imshow('srcImage_test1', srcImage_test1)
cv2.imshow('srcImage_test2', srcImage_test2)

# 【3】将图像由BGR色彩空间转换到 HSV色彩空间
hsvImage_base = cv2.cvtColor(srcImage_base, cv2.COLOR_BGR2HSV)
hsvImage_test1 = cv2.cvtColor(srcImage_test1, cv2.COLOR_BGR2HSV)
hsvImage_test2 = cv2.cvtColor(srcImage_test2, cv2.COLOR_BGR2HSV)

# 【4】创建包含基准图像下半部的半身图像(HSV格式)
x = 0
y = int(hsvImage_base.shape[0] / 2)
h = int(hsvImage_base.shape[0] / 2)
w = hsvImage_base.shape[1]
hsvImage_halfDown = hsvImage_base[y:y + h, x:x + w]

# 【5】初始化计算直方图需要的实参
histSize = [50, 60]
ranges = [0, 256, 0, 180]
# 使用第0和第1通道
channels = [0, 1]

# 【6】计算基准图像，两张测试图像，半身基准图像的HSV直方图:
baseHist = cv2.calcHist([hsvImage_base], channels, None, histSize, ranges)
cv2.normalize(baseHist, baseHist, 0, 1, cv2.NORM_MINMAX, -1);

halfDownHist = cv2.calcHist([hsvImage_halfDown], channels, None, histSize, ranges)
cv2.normalize(halfDownHist, halfDownHist, 0, 1, cv2.NORM_MINMAX, -1);

testHist1 = cv2.calcHist([hsvImage_test1], channels, None, histSize, ranges)
cv2.normalize(testHist1, testHist1, 0, 1, cv2.NORM_MINMAX, -1);

testHist2 = cv2.calcHist([hsvImage_test2], channels, None, histSize, ranges)
cv2.normalize(testHist2, testHist2, 0, 1, cv2.NORM_MINMAX, -1);

# 【7】按顺序使用4种对比标准将基准图像的直方图与其余各直方图进行对比:

for i in range(4):
    # 进行图像直方图的对比
    base_base = cv2.compareHist(baseHist, baseHist, i)
    base_half = cv2.compareHist(baseHist, halfDownHist, i)
    base_test1 = cv2.compareHist(baseHist, testHist1, i)
    base_test2 = cv2.compareHist(baseHist, testHist2, i)
    print("方法[", i, "]的匹配结果如下")
    print("【基准图 - 基准图】：", base_base)
    print("【基准图 - 半身图】：", base_half)
    print("【基准图 - 测试图1】：", base_test1)
    print("【基准图 - 测试图2】：", base_test2, "\n")

print("检测结束")
cv2.waitKey(0)