用 OpenCV 快速判断颜色相似的图片

2023-11-05 09:54:07

在计算机视觉领域，判断图片颜色相似性是一个常见的任务。在本文中，我们将使用 OpenCV 库来实现这一功能，并提供一个示例来识别一组图片中的颜色相似图片。

OpenCV 中的颜色相似性度量

OpenCV 提供了多种方法来度量图像之间的颜色相似性，包括：

直方图比较： 比较图像的直方图，其中每个柱状图表示特定颜色通道（例如红色、绿色、蓝色）中像素的数量。
颜色矩： 提取图像的低阶统计量（如平均值、方差），这些统计量可以捕捉图像的整体颜色分布。
地球移动距离 (EMD)： 一种测量两个直方图之间差异的方法，它考虑了直方图值之间的相对距离。

示例：识别颜色相似的图片

为了展示 OpenCV 判断颜色相似性的功能，我们使用了一个包含四张图片的数据集。前三张图片颜色相似，而第四张图片颜色不同。

import cv2
import numpy as np

# 载入图片
images = ["image1.jpg", "image2.jpg", "image3.jpg", "image4.jpg"]

# 计算颜色相似性
similarity_matrix = np.zeros((len(images), len(images)))

for i in range(len(images)):
    for j in range(len(images)):
        # 读取图像
        image1 = cv2.imread(images[i])
        image2 = cv2.imread(images[j])

        # 转换为 HSV 颜色空间
        image1_hsv = cv2.cvtColor(image1, cv2.COLOR_BGR2HSV)
        image2_hsv = cv2.cvtColor(image2, cv2.COLOR_BGR2HSV)

        # 计算直方图
        hist1 = cv2.calcHist([image1_hsv], [0, 1, 2], None, [180, 256, 256], [0, 180, 0, 256, 0, 256])
        hist2 = cv2.calcHist([image2_hsv], [0, 1, 2], None, [180, 256, 256], [0, 180, 0, 256, 0, 256])

        # 计算地球移动距离
        similarity_matrix[i, j] = cv2.compareHist(hist1, hist2, cv2.HISTCMP_EMD)

# 打印相似性矩阵
print("相似性矩阵：")
print(similarity_matrix)