对于图片相似度比较有很多方法,我们这以RGB直方图为例。
我们以一种规则,使得每个图片生成一组描述的特征向量。
opencv的直方图比较函数我们可以巧妙的利用,其有若干比较规则,但只支持直方图的数据结构,我们可以将特征向量拟合成直方图的数据结构,然后使用其的相似度比较函数。
具体的数学计算方法有兴趣的可以看opencv的官方教程,这里我们期望生成百分比形式的相似度参数,所以使用CV_COMP_CORREL
以下是代码,以python编写
import cv2.cv as cv def createHist(img): #cv.CvtColor(img,img,cv.CV_BGR2HSV) b_plane = cv.CreateImage((img.width,img.height), 8, 1) g_plane = cv.CreateImage((img.width,img.height), 8, 1) r_plane = cv.CreateImage((img.width,img.height), 8, 1) cv.Split(img,b_plane,g_plane,r_plane,None) planes = [b_plane, g_plane, r_plane] bins = 4 b_bins = bins g_bins = bins r_bins = bins hist_size = [b_bins,g_bins,r_bins] b_range = [0,255] g_range = [0,255] r_range = [0,255] ranges = [b_range,g_range,r_range] hist = cv.CreateHist(hist_size, cv.CV_HIST_ARRAY, ranges, 1) cv.CalcHist([cv.GetImage(i) for i in planes], hist) cv.NormalizeHist(hist,1) return hist def imgcompare(image1,image2): img1 = cv.LoadImage(image1) hist1 = createHist(img1) img2 = cv.LoadImage(image2) hist2 = createHist(img2) return cv.CompareHist(hist1,hist2,cv.CV_COMP_CORREL) print imgcompare("test_19037_19037_source.jpg","19015.jpg") print imgcompare("test_19037_19037_source.jpg","19014.jpg")