使用Opencv怎么判断颜色相似的图片-创新互联

本篇文章给大家分享的是有关使用Opencv怎么判断颜色相似的图片，小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着小编一起来看看吧。

问题描述

有一个项目，大体是要判断一下一篇文章内的配图突不突兀。

素材准备

所以就从网上随便找了4张图：

可以看出，前3张图片从颜色上、从阅读感受上，应该是相似的，而最后一张应该是不同的。

而当我们只对图片做缩放(为了跑得快)，然后用bgr通道出直方图算相似度时：

却发现，只有第一张和第二张图片的相似度是大于0.5的，而第二、三张，以及第三、四张图片之间的相似度几乎都小于等于0.1。

思考方法

于是，经过思考后我觉得，判断两张图片在颜色上相不相似，其本质在于判断其直方图分布的形状相不相似，而不应该考虑是偏左还是偏右、是偏亮还是偏暗。一个图像亮一点，但其实它们还是相似的。

基于这个思想，我先暴力的把BGR以及HLS，三个通道先相互独立的直接均衡化，验证了判断分布形状的可行性。但同时，发现相互独立的均衡化会导致对于不同图片的分辨能力降低。所以，由此推论出，应该是把亮度拉平均衡化，同时相关联的影响到其他通道的变化。

所以，最后想出的方案是：

1. 先把图片缩放至统一大小，提升运算速度。

2. 把图像从BGR通道转至HSV通道(经实验，HSV通道比HLS通道效果好)。

3. 把HSV中的V(明度)进行均衡化(equalizeHist)。

4. 再把图像从HSV通道转回BGR通道，从而达到在均衡亮度的同时影响其他通道的目的。

5. 最后，利用BGR通道进行相似度计算，大于0.5的即可认为是相似。

测试结果

可以发现，经过处理后，第一、二张图片，以及第二、三张图片之间的相似度已经大于0.7，而第三、四张图片的相似度则只有0.4左右。已经达到了我们开始时的目标。

不足之处

• 只对V通道的均衡进行了探寻，没有研究其他通道可能的关联。

• 第三、四张图片经过处理后的相似度有点高，需要想办法降低。

代码

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt


def create_rgb_hist(image):
  """"创建 RGB 三通道直方图（直方图矩阵）"""
  h, w, c = image.shape
  # 创建一个（16*16*16,1）的初始矩阵，作为直方图矩阵
  # 16*16*16的意思为三通道每通道有16个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]
      # 人为构建直方图矩阵的索引，该索引是通过每一个像素点的三通道值进行构建
      index = int(b / bsize) * 16 * 16 + int(g / bsize) * 16 + int(r / bsize)
      # 该处形成的矩阵即为直方图矩阵
      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):
  """直方图比较函数"""
  '''# 创建第一幅图的rgb三通道直方图（直方图矩阵）
  hist1 = create_rgb_hist(image1)
  # 创建第二幅图的rgb三通道直方图（直方图矩阵）
  hist2 = create_rgb_hist(image2)'''
  # 进行三种方式的直方图比较
  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("巴氏距离：%s, 相关性：%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怎么判断颜色相似的图片，小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注创新互联行业资讯频道。