OpenCV 直方图
来源:互联网 发布:淘宝开店商品上架 编辑:程序博客网 时间:2024/05/24 01:37
CreateHist
创建直方图
CvHistogram* cvCreateHist( int dims, int* sizes, int type, float** ranges=NULL, int uniform=1 );
dims
直方图维数的数目
sizes
直方图维数尺寸的数组,也就是bin的个数,即有多少块。如灰度图,像素范围为0~255,bin为256,即每个灰度值对应一个统计值,如果bin为32,则每8个灰度值对应一个统计值。
type
直方图的表示格式: CV_HIST_ARRAY 意味着直方图数据表示为多维密集数组 CvMatND; CV_HIST_TREE 意味着直方图数据表示为多维稀疏数组 CvSparseMat.
ranges
图中方块范围的数组. 它的内容取决于参数 uniform 的值。这个范围的用处是确定何时计算直方图或决定反向映射(backprojected ),每个方块对应于输入图像的哪个/哪组值。
uniform
归一化标识。 如果不为0,则ranges[i](0<=i<cDims,译者注:cDims为直方图的维数,对于灰度图为1,彩色图为3)是包含两个元素的范围数组,包括直方图第i维的上界和下界。在第i维上的整个区域 [lower,upper]被分割成 dims[i] 个相等的块(译者注:dims[i]表示直方图第i维的块数),这些块用来确定输入象素的第 i 个值(译者注:对于彩色图像,i确定R, G,或者B)的对应的块;如果为0,则ranges[i]是包含dims[i]+1个元素的范围数组,包括lower0, upper0, lower1, upper1 == lower2, ..., upperdims[i]-1, 其中lowerj 和upperj分别是直方图第i维上第 j 个方块的上下界(针对输入象素的第 i 个值)。任何情况下,输入值如果超出了一个直方块所指定的范围外,都不会被 cvCalcHist 计数,而且会被函数 cvCalcBackProject 置零。
函数 cvCreateHist 创建一个指定尺寸的直方图,并且返回创建的直方图的指针。 如果数组的 ranges 是 0, 则直方块的范围必须由函数 cvSetHistBinRanges 稍后指定。虽然 cvCalcHist 和 cvCalcBackProject 可以处理 8-比特图像而无需设置任何直方块的范围,但它们都被假设等分 0..255 之间的空间。
OpenCV统计应用-直方图比较
cvCompareHist(),是比较两个统计直方图的分布,总共有四个方法,被定义如下:
#define CV_COMP_CORREL 0
cvCompareHist(),是比较两个统计直方图的分布,总共有四个方法,被定义如下:
#define CV_COMP_CORREL 0
#define CV_COMP_CHISQR 1
#define CV_COMP_INTERSECT 2
#define CV_COMP_BHATTACHARYYA 3
而这些方法分别为相关系数,卡方,交集法以及在做常态分布比对的Bhattacharyya距离,这些方法都是用来做统计直方图的相似度比较的方法,而且,都是根据统计学的概念,这边就简单的拿来用灰阶统计直方图来比较,而这部份的比较方式,是由图形的色彩结构来着手,下面就简单的用三种情况来分析它们距离比较的方式
直方图比较实作
而这些方法分别为相关系数,卡方,交集法以及在做常态分布比对的Bhattacharyya距离,这些方法都是用来做统计直方图的相似度比较的方法,而且,都是根据统计学的概念,这边就简单的拿来用灰阶统计直方图来比较,而这部份的比较方式,是由图形的色彩结构来着手,下面就简单的用三种情况来分析它们距离比较的方式
直方图比较实作
#include <cv.h>
#include <highgui.h>
#include <stdio.h>
#include <stdlib.h>
int HistogramBins = 256;
float HistogramRange1[2]={0,255};
float *HistogramRange[1]={&HistogramRange1[0]};
int main()
float HistogramRange1[2]={0,255};
float *HistogramRange[1]={&HistogramRange1[0]};
int main()
{
IplImage *Image1=cvLoadImage("RiverBank.jpg",0);
IplImage *Image1=cvLoadImage("RiverBank.jpg",0);
IplImage *Image2=cvLoadImage("DarkClouds.jpg",0);
CvHistogram *Histogram1=cvCreateHist(1,&HistogramBins,CV_HIST_ARRAY,HistogramRange); CvHistogram *Histogram2=cvCreateHist(1,&HistogramBins,CV_HIST_ARRAY,HistogramRange);
cvCalcHist(&Image1,Histogram1); cvCalcHist(&Image2,Histogram2);
cvNormalizeHist(Histogram1,1); cvNormalizeHist(Histogram2,1);
cvCompareHist(Histogram1,Histogram2,CV_COMP_BHATTACHARYYA));
}
这边的直方图比较,则是将它们的统计直方图用cvNormalizeHist()正规化成1,再由正规化的统计分布来做直方图的比较,从上面的输出结果可以推测出,卡方法以及Bhattacharyya是数值越小图形越相似,而相关系数则是看图形的分布程度,因此第三个Black.jpg&White.jpg所显示相关系数的结果才会是1,这边的图形比较用的是统计学的方法,而一般的比较方式还有欧几里德距离的方式,在这个cvCompareHist()的函式,也可以实作出多通道的多维度直方图比较,而且支持CV_HIST_ARRAY及CV_HIST_SPARSE这两种直方图数
cvCalcHist(&Image1,Histogram1); cvCalcHist(&Image2,Histogram2);
cvNormalizeHist(Histogram1,1); cvNormalizeHist(Histogram2,1);
cvCompareHist(Histogram1,Histogram2,CV_COMP_BHATTACHARYYA));
}
这边的直方图比较,则是将它们的统计直方图用cvNormalizeHist()正规化成1,再由正规化的统计分布来做直方图的比较,从上面的输出结果可以推测出,卡方法以及Bhattacharyya是数值越小图形越相似,而相关系数则是看图形的分布程度,因此第三个Black.jpg&White.jpg所显示相关系数的结果才会是1,这边的图形比较用的是统计学的方法,而一般的比较方式还有欧几里德距离的方式,在这个cvCompareHist()的函式,也可以实作出多通道的多维度直方图比较,而且支持CV_HIST_ARRAY及CV_HIST_SPARSE这两种直方图数
method有CV_COMP_CORREL, CV_COMP_CHISQR,CV_COMP_INTERSECT,CV_COMP_BHATTACHARYYA四种方法,对应公式如下:
而这些方法分别为相关系数,卡方,交集法以及在做常态分布比对的Bhattacharyya距离,这些方法都是用来做统计直方图的相似度比较的方法
- OpenCv 直方图
- OpenCv 直方图
- OpenCV 直方图
- opencv 直方图
- opencv直方图
- opencv直方图
- opencv 直方图
- 【OpenCV】直方图
- OpenCV--绘制直方图&直方图均衡
- 【OpenCV】直方图应用:直方图均衡化,直方图匹配,对比直方图
- 【OpenCV】直方图应用:直方图均衡化,直方图匹配,对比直方图
- 【OpenCV】直方图应用:直方图均衡化,直方图匹配,对比直方图
- 【OpenCV】直方图应用:直方图均衡化,直方图匹配,对比直方图
- 【OpenCV】直方图应用:直方图均衡化,直方图匹配,对比直方图
- 【OpenCV】直方图应用:直方图均衡化,直方图匹配,对比直方图
- 【OpenCV】直方图应用:直方图均衡化,直方图匹配,对比直方图
- 【OpenCV】直方图应用:直方图均衡化,直方图匹配,对比直方图
- 【OpenCV】直方图应用:直方图均衡化,直方图匹配,对比直方图
- 【拓扑排序】HDU 1285——确定比赛名次
- Android 中如何关闭线程 .
- Unity3D 解析泛型集合使用
- WINCC CSV文件参数导出/导入
- 用辗转相除法求最大公约数
- OpenCV 直方图
- js实现每个IP每天只弹出一次广告页,js实现html自动弹出对话框
- 人生需要积累,才能进步
- android万能服务器支持git,svn,ddns,dns,php 。。。。。怎么都没有图片。。。
- xp_readerrorlog
- VS2010安装顽疾解决方法:error 25541 failed to open xml file c:\windows\microsoftnet\framework\v4.0.30319\conf
- python多线程
- 8篇MongoDB教程快速学会入门 第7篇 运维技术
- DWR高级主题之反向Ajax(DWR3的comat模式演示1)