C#结合OpenCVSharp4使用直方图算法比较图片相似度

直方图有灰度直方图、颜色直方图,如果是灰度图像，那么就用灰度直方图,这里使用颜色直方图来计算两个图片的相似度。

这里只记录如何使用，至于算法原理，问就是不会。

直方图算法效率高，但精度不够，适合快速比较，例如以图搜图

1. 下载 OpenCVSharp4

通过NuGet包管理器进行下载。搜索OpenCVSharp4下载。可参考前一篇文章:C#结合OpenCVSharp4图片相似度识别

2. 使用

        /// <summary>
        /// 直方图相关性 
        /// 结果越接近1 则越相似
        /// 图片相似度识别（精度不高，速度较快，可用于以图搜图）
        /// </summary>
        /// <param name="imgFile1"></param>
        /// <param name="imgFile2"></param>
        public double Compare_Hist(string imgFile1, string imgFile2)
        {
            var matA = Cv2.ImRead(imgFile1);
            var matB = Cv2.ImRead(imgFile2);

            // 拆分通道
            Cv2.Split(matA, out Mat[] matA_S);
            Cv2.Split(matB, out Mat[] matB_S);

            //直方图的像素范围   
            Rangef[] histRange = { new Rangef(0, 256) };

            //直方图数组大小
            int[] histSize = { 256 };

            //直方图输出数组
            Mat hist_A = new Mat();
            Mat hist_B = new Mat();

            bool uniform = true, accumulate = false;
            Cv2.CalcHist(matA_S, new int[] { 0, 1, 2 }, null, hist_A, 1, histSize, histRange, uniform, accumulate);
            Cv2.CalcHist(matB_S, new int[] { 0, 1, 2 }, null, hist_B, 1, histSize, histRange, uniform, accumulate);

            //归一化，排除图像分辨率不一致的影响
            Cv2.Normalize(hist_A, hist_A, 0, 1, NormTypes.MinMax, -1, null);
            Cv2.Normalize(hist_B, hist_B, 0, 1, NormTypes.MinMax, -1, null);

            //相关性比较
            var res = Cv2.CompareHist(hist_A, hist_B, HistCompMethods.Correl);
            return res;
        }

比较结果

可以看出基本符合预期。

注意：由于直方图算法未考虑像素的空间位置，所以当图片旋转后，仍会被认为是同一个图

下面是将图片旋转后的计算结果，可以看到跟没有旋转时的计算结果一样

记录完毕~