OpenCV直方图比较方法

综上所述，有4（5）种不同的比较方法：

CV\u COMP\u CORREL相关性

CV_COMP_CHISQR卡方检验

CV\u COMP\u相交相交

CV_COMP_BHATTACHARYYABHATTACHARYYA距离

CV_COMP_HELLINGERCV_COMP_BHATTACHARYYA的同义词

它们都提供不同的输出，以不同的方式读取，如中所示。但我找不到任何东西来说明每种方法的执行效率。当然每种方法都有利弊，否则为什么有多种方法

就连美国政府也很少对这些差异发表意见：

对cv:：compareHist的调用很简单。您只需输入两个 直方图和函数返回测量的距离。这个 要使用的特定测量方法是使用标志指定的。 在ImageComparator类中，使用交集方法（与 标记CV_COMP_INTERSECT）。这个方法只是比较每个箱子， 每个直方图中的两个值，并保持最小值。这个 相似性度量就是这些最小值的总和。 因此，两个图像的直方图没有共同的颜色 将得到相交值0，而两个相同的直方图 将获得等于像素总数的值

其他可用的方法是卡方检验（标志CV_COMP_CHISQR） 它将存储箱之间的标准化平方差相加 相关方法（标记CV\u COMP\u CORREL），基于 信号处理中的归一化互相关算子 测量两个信号之间的相似性，以及Bhattacharyya 测量值（标记CV_COMP_BHATTACHARYYA）用于统计估计 两个概率分布之间的相似性

---

这两种方法之间肯定有区别，所以我的问题是它们是什么？在什么情况下它们工作得最好？

CV\u COMP\u INTERSECT计算起来很快，因为您只需要每个箱子的最小值。但它不会告诉你很多关于差异的分布情况。其他方法试图在不同的像素分布假设下，获得更好、更连续的匹配分数

您可以在以下位置找到不同方法中使用的公式：

有关匹配算法的更多详细信息，请访问：

---

我想试试维基百科。这就像在问，是沿着街道测量距离更好，还是在乌鸦飞的时候测量距离更好。。。您可能需要了解要测量的内容。但也许真的有一本烹饪书“什么时候使用哪种距离度量”，所以祝你好运。我只是想指出可用方法的不同之处。你的第一个链接与我的第一个链接相同，但第二个链接很有趣。话虽如此，它仍然只说明了我发现的所有其他链接：不同方法的评分是不同的。从数学上讲，归一化直方图是概率密度函数（PDF）。当我们匹配两个直方图时，我们基本上看到两个分布如何相互匹配。回答问题的最好方法是阅读有关统计模式识别的教科书（Duda和Hart相当不错），或类似的出版物。我学会了这些东西，但大部分都忘了-(.