使用hsv颜色直方图进行图像相似度比对
目录
使用hsv颜色直方图进行图像相似度比对颜色量化代码实现相似度颜色量化
由于RGB模型不够直观，不符合人类视觉习惯，因此在进行颜色特征提取前，需要将照片从RGB颜色模型转换为更符合人类视觉的HSV模型。在提取颜色特征时，最常用的方法之一为颜色直方图法，但一张图片中出现的颜色一般特别多，导致直方图矢量的维数较高，因此需要对HSV空间进行量化色量化的具体编码如下：
构造二维矩阵L = 9H + 3S + V,这样L中元素的取值范围为0~71，获得L的72bin的直方图作为颜色特征
代码实现
'''获得图像的颜色直方图'''def colorHist(self, imgHSV):'''opencv hsv 范围:h(0,180)s(0,255)v(0,255)'''height, width, _ = imgHSV.shapeH = np.zeros((height, width), dtype=np.uint8)S = np.zeros((height, width), dtype=np.uint8)V = np.zeros((height, width), dtype=np.uint8)h = imgHSV[..., 0]s = imgHSV[..., 1]v = imgHSV[..., 2]h = 2*hH[(h > 315) | (h <= 20)] = 0H[(h > 20) & (h <= 40)] = 1H[(h > 40) & (h <= 75)] = 2H[(h > 75) & (h <= 155)] = 3H[(h > 155) & (h <= 190)] = 4H[(h > 190) & (h <= 270)] = 5H[(h > 270) & (h <= 295)] = 6H[(h > 295) & (h <= 315)] = 7'''255*0.2 = 51255*0.7 = 178'''S[s <= 51] = 0S[(s > 51) & (s <= 178)] = 1S[s > 178] = 2V[v <= 51] = 0V[(v > 51) & (v <= 178)] = 1V[v > 178] = 2g = 9*H + 3*S + Vhist = cv2.calcHist([g], [0], None, [72], [0, 71])return hist
相似度
使用opencv中的compareHist函数计算直方图的相似度
def likelihood(self, img, pl, objecthist,h,w):hist = self.colorHist(img, pl,h,w)score = pareHist(hist,objecthist,cv2.HISTCMP_CORREL)#print('score=',score)return score
