OpenCV入门（二十二）-- 陆地移动距离

光线的变化能引起图像颜色值的漂移，尽管这些漂移没有改变颜色直方图的形状，但是这些漂移引起了颜色值位置的变化，从而导致匹配策略失效。

陆地移动距离是一种度量准则，它实际上市度量怎样将一个直方图转变为另一个直方图的形状，包括移动直方图的部分（或全部）到一个新的位置，可以在任何维的直方图上进行这种度量。

CalcEMD2

两个加权点集之间计算最小工作距离

float cvCalcEMD2( const CvArr* signature1, const CvArr* signature2, int distance_type,                  CvDistanceFunction distance_func=NULL, const CvArr* cost_matrix=NULL,                  CvArr* flow=NULL, float* lower_bound=NULL, void* userdata=NULL );typedef float (*CvDistanceFunction)(const float* f1, const float* f2, void* userdata);

signature1

第一个签名，大小为 size1×(dims+1) 的浮点数矩阵，每一行依次存储点的权重和点的坐标。矩阵允许只有一列（即仅有权重），如果使用用户自定义的代价矩阵。

signature2

第二个签名，与 signature1 的格式一样size2×(dims+1)，尽管行数可以不同(列数要相同)。当一个额外的虚拟点加入 signature1 或 signature2 中的时候，权重也可不同。

distance_type

使用的准则， CV_DIST_L1, CV_DIST_L2, 和 CV_DIST_C 分别为标准的准则。 CV_DIST_USER 意味着使用用户自定义函数 distance_func 或预先计算好的代价矩阵 cost_matrix 。

distance_func

用户自定义的距离函数。用两个点的坐标计算两点之间的距离。

cost_matrix

自定义大小为 size1×size2 的代价矩阵。 cost_matrix 和 distance_func 两者至少有一个必须为 NULL. 而且，如果使用代价函数，下边界无法计算，因为它需要准则函数。

flow

产生的大小为 size1×size2 流矩阵（flow matrix）: flowij 是从 signature1 的第 i 个点到 signature2 的第 j 个点的流(flow)。

lower_bound

可选的输入/输出参数：两个签名之间的距离下边界，是两个质心之间的距离。如果使用自定义代价矩阵，点集的所有权重不等，或者有签名只包含权重（即该签名矩阵只有单独一列），则下边界也许不会计算。用户必须初始化 *lower_bound. 如果质心之间的距离大于获等于 *lower_bound (这意味着签名之间足够远）， 函数则不计算 EMD. 任何情况下，函数返回时 *lower_bound 都被设置为计算出来的质心距离。因此如果用户想同时计算质心距离和T EMD, *lower_bound 应该被设置为 0.

userdata

传输到自定义距离函数的可选数据指针

函数 cvCalcEMD2 计算两个加权点集之间的移动距离或距离下界。在 [RubnerSept98] 中所描述的其中一个应用就是图像提取得多维直方图比较。 EMD 是一个使用某种单纯形算法（simplex algorithm）来解决的交通问题。其计算复杂度在最坏情况下是指数形式的，但是平均而言它的速度相当快。对实的准则，下边界的计算可以更快（使用线性时间算法），且它可用来粗略确定两个点集是否足够远以至无法联系到同一个目标上。

/*用EMD度量两个分布的相似性这里，用lena和lena直方图均衡化的结果度量。*/#include "highgui.h"#include "cv.h"#include<iostream>using namespace std;void doEMD2(IplImage* img){/*对输入的图像做直方图均衡化处理，生成img2*/IplImage* pImageChannel[4] = {0, 0, 0, 0};IplImage* img2 = cvCreateImage(cvGetSize(img), img->depth, img->nChannels);for(int i = 0; i < img->nChannels; i++){pImageChannel[i] = cvCreateImage(cvGetSize(img), img->depth,1);}//信道分离cvSplit(img, pImageChannel[0], pImageChannel[1], pImageChannel[2],pImageChannel[3]);for(int i = 0; i < img2->nChannels; i++){//直方图均衡化cvEqualizeHist(pImageChannel[i], pImageChannel[i]);}//信道组合cvMerge(pImageChannel[0],pImageChannel[1], pImageChannel[2],pImageChannel[3], img2);//绘制直方图int h_bins = 16, s_bins = 8;int hist_size[] = {h_bins, s_bins};//H 分量的变化范围float h_ranges[] = {0,180};//S 分量的变化范围float s_ranges[] = {0,255};float* ranges[] = {h_ranges,s_ranges};IplImage* hsv = cvCreateImage(cvGetSize(img), 8, 3);IplImage* hsv2 = cvCreateImage(cvGetSize(img2), 8, 3);IplImage* h_plane = cvCreateImage(cvGetSize(img), 8, 1);IplImage* s_plane = cvCreateImage(cvGetSize(img), 8, 1);IplImage* v_plane = cvCreateImage(cvGetSize(img), 8, 1);IplImage* planes[] = {h_plane, s_plane};IplImage* h_plane2 = cvCreateImage(cvGetSize(img2), 8, 1);IplImage* s_plane2 = cvCreateImage(cvGetSize(img2), 8, 1);IplImage* v_plane2 = cvCreateImage(cvGetSize(img2), 8, 1);IplImage* planes2[] = {h_plane2, s_plane2};// 将两幅图像转换到HSV颜色空间cvCvtColor(img, hsv, CV_BGR2HSV);cvCvtPixToPlane(hsv, h_plane, s_plane, v_plane, 0);cvCvtColor(img2, hsv2, CV_BGR2HSV);cvCvtPixToPlane(hsv2, h_plane2, s_plane2, v_plane2, 0);// 创建直方图CvHistogram* hist = cvCreateHist(2, hist_size, CV_HIST_ARRAY, ranges, 1);CvHistogram* hist2 = cvCreateHist(2, hist_size, CV_HIST_ARRAY, ranges, 1);// 根据H,S两个平面数据统计直方图cvCalcHist(planes, hist, 0, 0);cvCalcHist(planes2, hist2, 0, 0);//获取直方图统计///float max_value;//float max_value2;//cvGetMinMaxHistValue(hist, 0, &max_value, 0,0);//cvGetMinMaxHistValue(hist2, 0, &max_value2, 0, 0);//设置直方图显示图像int height = 240;int width = (h_bins * s_bins * 6);IplImage* hist_img = cvCreateImage(cvSize(width, height), 8, 3);IplImage* hist_img2 = cvCreateImage(cvSize(width, height), 8, 3);cvZero(hist_img);cvZero(hist_img2);//用来进行HSV到RGB颜色转换的临时图像//IplImage* hsv_color = cvCreateImage(cvSize(1,1), 8, 3);//IplImage* rgb_color = cvCreateImage(cvSize(1,1), 8, 3);//int bin_w = width/(h_bins * s_bins);//CvMat* sig1, *sig2;int numrows = h_bins*s_bins;sig1 = cvCreateMat(numrows, 3, CV_32FC1);sig2 = cvCreateMat(numrows, 3, CV_32FC1);for(int h = 0; h < h_bins; h++){for(int s = 0; s < s_bins; s++){//int i = h * s_bins + s;// 获得直方图中的统计次数， 计算显示在图中的高度float bin_val = cvQueryHistValue_2D(hist, h,s);cvSet2D(sig1, h*s_bins + s, 0, cvScalar(bin_val));cvSet2D(sig1, h*s_bins + s, 1, cvScalar(h));cvSet2D(sig1, h*s_bins + s, 2, cvScalar(s));bin_val = cvQueryHistValue_2D(hist2,h,s);cvSet2D(sig2, h*s_bins + s, 0, cvScalar(bin_val));cvSet2D(sig2, h*s_bins + s, 1, cvScalar(h));cvSet2D(sig2, h*s_bins + s, 2, cvScalar(s)); }}float emd = cvCalcEMD2(sig1,sig2,CV_DIST_L2);cout<< emd<<endl;}

结果