hsv量化后用颜色直方图进行图像相似度比对_为什么求直方图对比要变换到hsv空间

使用hsv颜色直方图进行图像相似度比对

颜色量化

由于RGB模型不够直观，不符合人类视觉习惯，因此在进行颜色特征提取前，需要将照片从RGB颜色模型转换为更符合人类视觉的HSV模型。在提取颜色特征时，最常用的方法之一为颜色直方图法，但一张图片中出现的颜色一般特别多，导致直方图矢量的维数较高，因此需要对HSV空间进行量化色量化的具体编码如下：

构造二维矩阵L = 9H + 3S + V,这样L中元素的取值范围为0~71，获得L的72bin的直方图作为颜色特征

代码实现

   '''获得图像的颜色直方图'''

    def colorHist(self, imgHSV):
        '''
         opencv hsv 范围:
        h(0,180)
        s(0,255)
        v(0,255)
        '''
       
        height, width, _ = imgHSV.shape
        H = np.zeros((height, width), dtype=np.uint8)
        S = np.zeros((height, width), dtype=np.uint8)
        V = np.zeros((height, width), dtype=np.uint8)

        h = imgHSV[..., 0]
        s = imgHSV[..., 1]
        v = imgHSV[..., 2]

        h = 2*h
        H[(h > 315) | (h <= 20)] = 0
        H[(h > 20) & (h <= 40)] = 1
        H[(h > 40) & (h <= 75)] = 2
        H[(h > 75) & (h <= 155)] = 3
        H[(h > 155) & (h <= 190)] = 4
        H[(h > 190) & (h <= 270)] = 5
        H[(h > 270) & (h <= 295)] = 6
        H[(h > 295) & (h <= 315)] = 7

        '''
        255*0.2 = 51
        255*0.7 = 178
        '''
        S[s <= 51] = 0
        S[(s > 51) & (s <= 178)] = 1
        S[s > 178] = 2

        V[v <= 51] = 0
        V[(v > 51) & (v <= 178)] = 1
        V[v > 178] = 2

        g = 9*H + 3*S + V
        hist = cv2.calcHist([g], [0], None, [72], [0, 71])
        return hist


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46

相似度

使用opencv中的compareHist函数计算直方图的相似度

    def likelihood(self, img, pl, objecthist,h,w):
        hist = self.colorHist(img, pl,h,w)
        score = cv2.compareHist(hist,objecthist,cv2.HISTCMP_CORREL)
        #print('score=',score)
        return score
1
2
3
4
5