本篇文章給大家分享的是有關(guān)使用Opencv怎么判斷顏色相似的圖片，小編覺得挺實用的，因此分享給大家學習，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。
有一個項目，大體是要判斷一下一篇文章內(nèi)的配圖突不突兀。
所以就從網(wǎng)上隨便找了4張圖：
可以看出，前3張圖片從顏色上、從閱讀感受上，應該是相似的，而最后一張應該是不同的。
而當我們只對圖片做縮放(為了跑得快)，然后用bgr通道出直方圖算相似度時：
卻發(fā)現(xiàn)，只有第一張和第二張圖片的相似度是大于0.5的，而第二、三張，以及第三、四張圖片之間的相似度幾乎都小于等于0.1。
于是，經(jīng)過思考后我覺得，判斷兩張圖片在顏色上相不相似，其本質(zhì)在于判斷其直方圖分布的形狀相不相似，而不應該考慮是偏左還是偏右、是偏亮還是偏暗。一個圖像亮一點，但其實它們還是相似的。
基于這個思想，我先暴力的把BGR以及HLS，三個通道先相互獨立的直接均衡化，驗證了判斷分布形狀的可行性。但同時，發(fā)現(xiàn)相互獨立的均衡化會導致對于不同圖片的分辨能力降低。所以，由此推論出，應該是把亮度拉平均衡化，同時相關(guān)聯(lián)的影響到其他通道的變化。
所以，最后想出的方案是：
先把圖片縮放至統(tǒng)一大小，提升運算速度。
把圖像從BGR通道轉(zhuǎn)至HSV通道(經(jīng)實驗，HSV通道比HLS通道效果好)。
把HSV中的V(明度)進行均衡化(equalizeHist)。
再把圖像從HSV通道轉(zhuǎn)回BGR通道，從而達到在均衡亮度的同時影響其他通道的目的。
最后，利用BGR通道進行相似度計算，大于0.5的即可認為是相似。
可以發(fā)現(xiàn)，經(jīng)過處理后，第一、二張圖片，以及第二、三張圖片之間的相似度已經(jīng)大于0.7，而第三、四張圖片的相似度則只有0.4左右。已經(jīng)達到了我們開始時的目標。
不足之處
只對V通道的均衡進行了探尋，沒有研究其他通道可能的關(guān)聯(lián)。
第三、四張圖片經(jīng)過處理后的相似度有點高，需要想辦法降低。
代碼
重慶分公司
重慶分公司
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
def create_rgb_hist(image):
""""創(chuàng)建 RGB 三通道直方圖（直方圖矩陣）"""
h, w, c = image.shape
# 創(chuàng)建一個（16*16*16,1）的初始矩陣，作為直方圖矩陣
# 16*16*16的意思為三通道每通道有16個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]
# 人為構(gòu)建直方圖矩陣的索引，該索引是通過每一個像素點的三通道值進行構(gòu)建
index = int(b / bsize) * 16 * 16 + int(g / bsize) * 16 + int(r / bsize)
# 該處形成的矩陣即為直方圖矩陣
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):
"""直方圖比較函數(shù)"""
'''# 創(chuàng)建第一幅圖的rgb三通道直方圖（直方圖矩陣）
hist1 = create_rgb_hist(image1)
# 創(chuàng)建第二幅圖的rgb三通道直方圖（直方圖矩陣）
hist2 = create_rgb_hist(image2)'''
# 進行三種方式的直方圖比較
match2 = cv.compareHist(hist1, hist2, cv.HISTCMP_BHATTACHARYYA)
match3 = cv.compareHist(hist1, hist2, cv.HISTCMP_CORREL)
match4 = cv.compareHist(hist1, hist2, cv.HISTCMP_CHISQR)
print("巴氏距離：%s, 相關(guān)性：%s, 卡方：%s" % (match2, match3, match4))
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()以上就是使用Opencv怎么判斷顏色相似的圖片，小編相信有部分知識點可能是我們?nèi)粘９ぷ鲿姷交蛴玫降?。希望你能通過這篇文章學到更多知識。更多詳情敬請關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道。
