问题描述
有一个项目，大体是要判断一下一篇文章内的配图突不突兀。
素材准备
所以就从网上随便找了4张图：
可以看出，前3张图片从颜色上、从阅读感受上，应该是相似的，而最后一张应该是不同的。
而当我们只对图片做缩放(为了跑得快)，然后用bgr通道出直方图算相似度时：
却发现，只有第一张和第二张图片的相似度是大于0.5的，而第二、三张，以及第三、四张图片之间的相似度几乎都小于等于0.1。
思考方法
于是，经过思考后我觉得，判断两张图片在颜色上相不相似，其本质在于判断其直方图分布的形状相不相似，而不应该考虑是偏左还是偏右、是偏亮还是偏暗。一个图像亮一点，但其实它们还是相似的。
基于这个思想，我先暴力的把BGR以及HLS，三个通道先相互独立的直接均衡化，验证了判断分布形状的可行性。但同时，发现相互独立的均衡化会导致对于不同图片的分辨能力降低。所以，由此推论出，应该是把亮度拉平均衡化，同时相关联的影响到其他通道的变化。
所以，最后想出的方案是：
- 先把图片缩放至统一大小，提升运算速度。
- 把图像从BGR通道转至HSV通道(经实验，HSV通道比HLS通道效果好)。
- 把HSV中的V(明度)进行均衡化(equalizeHist)。
- 再把图像从HSV通道转回BGR通道，从而达到在均衡亮度的同时影响其他通道的目的。
- 最后，利用BGR通道进行相似度计算，大于0.5的即可认为是相似。
测试结果
可以发现，经过处理后，第一、二张图片，以及第二、三张图片之间的相似度已经大于0.7，而第三、四张图片的相似度则只有0.4左右。已经达到了我们开始时的目标。
不足之处
- 只对V通道的均衡进行了探寻，没有研究其他通道可能的关联。
- 第三、四张图片经过处理后的相似度有点高，需要想办法降低。
代码
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
def create_rgb_hist(image):
""""创建 RGB 三通道直方图（直方图矩阵）"""
h, w, c = image.shape
# 创建一个（16*16*16,1）的初始矩阵，作为直方图矩阵
# 16*16*16的意思为三通道每通道有16个bins
rgbhist = np.zeros([16 * 16 * 16, 1], np.float32)
bsize = 256 / 16
for row in range(h):
for col in range(w):
b = image[row, col, 0]
g = image[row, col, 1]
r = image[row, col, 2]
# 人为构建直方图矩阵的索引，该索引是通过每一个像素点的三通道值进行构建
index = int(b / bsize) * 16 * 16 + int(g / bsize) * 16 + int(r / bsize)
# 该处形成的矩阵即为直方图矩阵
rgbhist[int(index), 0] += 1
plt.ylim([0, 10000])
plt.grid(color='r', linestyle='--', linewidth=0.5, alpha=0.3)
return rgbhist
def hist_compare(hist1, hist2):
"""直方图比较函数"""
'''# 创建第一幅图的rgb三通道直方图（直方图矩阵）
hist1 = create_rgb_hist(image1)
# 创建第二幅图的rgb三通道直方图（直方图矩阵）
hist2 = create_rgb_hist(image2)'''
# 进行三种方式的直方图比较
match1 = cv.compareHist(hist1, hist2, cv.HISTCMP_BHATTACHARYYA)
match2 = cv.compareHist(hist1, hist2, cv.HISTCMP_CORREL)
match3 = cv.compareHist(hist1, hist2, cv.HISTCMP_CHISQR)
print("巴氏距离：%s, 相关性：%s, 卡方：%s" % (match1, match2, match3))
def handle_img(img):
img = cv.resize(img, (100, 100))
img = cv.cvtColor(img, cv.COLOR_BGR2HSV)
img[:, :, 2] = cv.equalizeHist(img[:, :, 2])
img = cv.cvtColor(img, cv.COLOR_HSV2BGR)
return img
img1 = cv.imread("1.jpg")
img1 = handle_img(img1)
cv.imshow("img1", img1)
img2 = cv.imread("2.jpg")
img2 = handle_img(img2)
cv.imshow("img2", img2)
img3 = cv.imread("3.jpg")
img3 = handle_img(img3)
cv.imshow("img3", img3)
img4 = cv.imread("4.jpg")
img4 = handle_img(img4)
cv.imshow("img4", img4)
hist1 = create_rgb_hist(img1)
hist2 = create_rgb_hist(img2)
hist3 = create_rgb_hist(img3)
hist4 = create_rgb_hist(img4)
plt.subplot(1, 4, 1)
plt.title("hist1")
plt.plot(hist1)
plt.subplot(1, 4, 2)
plt.title("hist2")
plt.plot(hist2)
plt.subplot(1, 4, 3)
plt.title("hist3")
plt.plot(hist3)
plt.subplot(1, 4, 4)
plt.title("hist4")
plt.plot(hist4)
hist_compare(hist1, hist2)
hist_compare(hist2, hist3)
hist_compare(hist3, hist4)
plt.show()
cv.waitKey(0)
cv.destroyAllWindows()
到此这篇关于Opencv判断颜色相似的图片示例代码的文章就介绍到这了,更多相关Opencv判断相似图片内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家！
原文链接：https://segmentfault.com/a/1190000039341322
