python+opencv如何正确地比较图像（通过直方图）？

Question

我有一堆图片（来自M.C.Escher收藏），我想做的第一步是通过比较把它们组合起来（你知道，有些图片有不同的分辨率/形状等等）。在

我写了一个非常残酷的剧本： *阅读文件 *计算它们的直方图 *比较一下

但是比较的质量确实很低，比如有完全不同的匹配文件

看看我到目前为止写的：

准备直方图

files_hist = {}

for i, f in enumerate(files):
    try:
        frame = cv2.imread(f)
        frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
        hist = cv2.calcHist([frame],[0],None,[4096],[0,4096])
        cv2.normalize(hist, hist, alpha=0, beta=1, norm_type=cv2.NORM_MINMAX)

        files_hist[f] = hist
    except Exception as e:
        print('ERROR:', f, e)

比较直方图

^{pr2}$

现在，例如，我得到了这两个文件的匹配：

m.c.埃舍尔244（1933）.jpg

以及

m.c.埃舍尔208（1931）.jpg

使用上面的代码，它们的相关性是0.9996699595530539（因此它们实际上是相同的：（）

我做错什么了？如何改进代码以避免这种错误匹配？在

谢谢！在

Answer 1

直方图不是比较图像的好方法，例如，在黑白图像中，如果它们具有相同数量的黑色像素，则直方图将是相同的，而不管图像中的像素分布如何（这就是为什么您提到的图像被分类为几乎相等的）。在

有更好的方法来量化图像之间的差异，this post提到了一个好的选择：

• 将两个图像作为数组加载(scipy.misc.imread公司)然后计算一个元素（逐像素）的差值。计算差值的范数。在

编辑：

回答一些问题：

I take the zero norm per-pixel is going to be 0.0-1.0 value, with values close to 0.0 meaning "images are the same", correct?

接近0.0的值表示像素相同。要将图像作为一个整体进行比较，需要对所有像素求和。如果求和值接近0.0，则表示图像几乎相同。在

what if the 2 image sizes are different?

那是个好主意。要计算范数差，图像必须具有相同的大小。我看到了两种方法：

• 第一种方法是将一个图像调整为另一个图像的形状，问题是这会导致图像失真。

• 第二种方法是用0填充较小的图像，直到大小匹配为止。

obs：如果你在像素上求和，你会得到一个介于0和图像中像素数之间的值。如果要比较多个图像，这可能会令人困惑。例如，假设您比较图像A和B，它们的形状都是50x50（因此，图像有2500个像素）；接近2500的值表示图像完全不同。现在假设您正在比较图像C和D，它们的形状都是1000x1000，在本例中，像2500这样的值意味着图像相似。为了克服这个问题，您可以将像素级和除以图像中的像素数，这将产生一个介于0.0和1.0之间的值，0.0表示图像相同，1.0表示它们完全不同。在

yeah here's the error i received when comparing 2 images with different size diff = image1 - image2 ValueError: operands could not be broadcast together with shapes (850,534) (663,650)

这是因为图像有不同的形状。调整大小或填充可以避免此错误（如上所述）。在