python Opencv计算图像相似度过程解析

这篇文章主要介绍了python Opencv计算图像相似度过程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下

一、相关概念

一般我们人区分谁是谁，给物品分类，都是通过各种特征去辨别的，比如黑长直、大白腿、樱桃唇、瓜子脸。王麻子脸上有麻子，隔壁老王和儿子很像，但是儿子下巴涨了一颗痣和他妈一模一样，让你确定这是你儿子。
还有其他物品、什么桌子带腿、镜子反光能在里面倒影出东西，各种各样的特征，我们通过学习、归纳，自然而然能够很快识别分类出新物品。

而没有学习训练过的机器就没办法了。

但是图像是一个个像素点组成的，我们就可以通过不同图像之间这些差异性就判断两个图的相似度了。其中颜色特征是最常用的，（其余常用的特征还有纹理特征、形状特征和空间关系特征等）
其中又分为

直方图
颜色集
颜色矩
聚合向量
相关图

1、直方图

在Python中利用opencv中的calcHist()方法获取其直方图数据，返回的结果是一个列表，使用matplotlib，画出了这两张图的直方图数据图

import cv2
import numpy
from matplotlib import pyplot
if __name__ == '__main__':
  imgobj1 = cv2.imread('pho.jpg')
  imgobj2 = cv2.imread('ph1.jpg')
  hist1 = cv2.calcHist([imgobj1], [0], None, [256], [0.0, 255.0])
  hist2 = cv2.calcHist([imgobj2], [0], None, [256], [0.0, 255.0])
  pyplot.plot(range(256), hist1, 'r')
  pyplot.plot(range(256), hist2, 'b')
  pyplot.show()
  cv2.imshow('img1',imgobj1)
  cv2.imshow('img2',imgobj2)
  cv2.waitKey(0)

1.2 灰度图及作用

灰度图是只含有黑白颜色，和0~255亮度等级的图片。灰度图具有存储小，其亮度值就是256色调色板索引号，从整幅图像的整体和局部的色彩以及亮度等级分布特征来看，灰度图描述与彩色图的描述是一致的特点。因此很多真彩色图片的分析，第一步就是转换为灰度图，然后再进行分析。

真彩色，因为是24位，2(^8) * 2(^8)* 2(^8) = 16777216种颜色，需要调色板16777216 * 4byte字节的空间也就是64MB的调色板空间，所以真彩色是不用调色板的。

例如视频目标跟踪和识别时，第一步就是要转换为灰度图。现有的成熟分析算法多是基于灰度图像的，灰度图像综合了真彩色位图的RGB各通道的信息。

（一）：单通道图，

俗称灰度图，每个像素点只能有有一个值表示颜色，它的像素值在0到255之间，0是黑色，255是白色，中间值是一些不同等级的灰色。（也有3通道的灰度图，3通道灰度图只有一个通道有值，其他两个通道的值都是零）。

 1/3    1 2 3 下一页 尾页