對普通人而言，識別任意兩張圖片是否相似是件很容易的事兒。但是從計算機的角度來識別的話，需要先識別出圖像的特征，然后才能進行比對。在圖像識別中，顏色特征是最為常見的。每張圖像都可以轉化成顏色分布直方圖，如果兩張圖片的直方圖很接近，就可以認為它們很相似。這有點類似于判斷文本的相似程度。
圖像比較
先來比對兩張圖片，一張是原圖另一張是經過直方圖均衡化之后的圖片。
二者的相關性因子是-0.056，這說明兩張圖的相似度很低。在上一篇文章 圖像直方圖與直方圖均衡化 中，已經解釋過什么是直方圖均衡化。通過直方圖均衡化后，兩張圖片確實是不同的，可以從下圖看出。
我們來看看如何使用直方圖比較。
final Bitmap bitmap = BitmapFactory.decodeResource(res, R.drawable.test_hist);
image0.setImageBitmap(bitmap);
CV4JImage cv4jImage = new CV4JImage(bitmap);
ImageProcessor imageProcessor = cv4jImage.convert2Gray().getProcessor();
int[][] source = null;
int[][] target = null;
CalcHistogram calcHistogram = new CalcHistogram();
int bins = 180;
source = new int[imageProcessor.getChannels()][bins];
calcHistogram.calcHSVHist(imageProcessor,bins,source,true);
if (imageProcessor instanceof ByteProcessor) {
EqualHist equalHist = new EqualHist();
equalHist.equalize((ByteProcessor) imageProcessor);
image1.setImageBitmap(cv4jImage.getProcessor().getImage().toBitmap());
target = new int[imageProcessor.getChannels()][bins];
calcHistogram.calcHSVHist(imageProcessor,bins,target,true);
}
CompareHist compareHist = new CompareHist();
StringBuilder sb = new StringBuilder();
sb.append("巴氏距離:").append(compareHist.bhattacharyya(source[0],target[0])).append("\r\n")
.append("協方差:").append(compareHist.covariance(source[0],target[0])).append("\r\n")
.append("相關性因子:").append(compareHist.ncc(source[0],target[0]));
result.setText(sb.toString());
其中，CompareHist 這個類是用于直方圖比較的類。
然后，再來比較兩張完全一致的圖片，可以看到他們的相關性因子是1.0，表示兩者完全一致。
最后，來比對兩張完全不同的圖片，可以看到它們的相關性因子是0.037，表面二者幾乎沒有什么相似之處。
直方圖比較是識別圖像相似度的算法之一，也是最簡單的算法。當然，還有很多其他的算法啦。
直方圖反向投影
所謂反向投影就是首先計算某一特征的直方圖模型，然后使用模型去尋找圖像中存在的該特征。
其中，b(xi)表示在位置xi上像素對應的直方圖第b(xi)個bin，直方圖共m個bin，qu表示第u個bin的值。
下圖是皇馬的拉莫斯在2017年歐冠決賽時的圖片。直方圖反向投影可以根據球員球衣中的某一塊區(qū)域，來查找圖片中拉莫斯所穿的球衣。
上圖是不是很酷炫？來看看是怎樣使用反向投影的，需要先計算出樣本的直方圖，然后使用模型去尋找原圖中存在的該特征。反向投影的結果包含了:以每個輸入圖像像素點為起點的直方圖對比結果。在這里是一個單通道的浮點型圖像。
Resources res = getResources();
Bitmap bitmap1 = BitmapFactory.decodeResource(res, R.drawable.test_project_target);
targetImage.setImageBitmap(bitmap1);
Bitmap bitmap2 = BitmapFactory.decodeResource(res, R.drawable.test_project_sample);
sampleImage.setImageBitmap(bitmap2);
CV4JImage cv4jImage = new CV4JImage(bitmap1);
ColorProcessor colorProcessor = (ColorProcessor)cv4jImage.getProcessor();
BackProjectHist backProjectHist = new BackProjectHist();
int w = colorProcessor.getWidth();
int h = colorProcessor.getHeight();
CV4JImage resultCV4JImage = new CV4JImage(w,h);
ByteProcessor byteProcessor = (ByteProcessor)resultCV4JImage.getProcessor();
// sample
CV4JImage sample = new CV4JImage(bitmap2);
ColorProcessor sampleProcessor = (ColorProcessor)sample.getProcessor();
CalcHistogram calcHistogram = new CalcHistogram();
int bins = 32;
int[][] hist = new int[sampleProcessor.getChannels()][bins];
calcHistogram.calcHSVHist(sampleProcessor,bins,hist,true);
byte[][] source = new byte[][]{colorProcessor.getRed(),colorProcessor.getGreen(),colorProcessor.getBlue()};
byte[][] target = new byte[3][w*h];
Tools.rgb2hsv(source,target);
ByteProcessor hsvByteProcessor = new ByteProcessor(target[0],w,h);
backProjectHist.backProjection(hsvByteProcessor,byteProcessor,hist[0],new int[]{0,180});
result.setImageBitmap(byteProcessor.getImage().toBitmap());
其中，BackProjectHist 這個類是用于直方圖反向投影的類。
總結
直方圖比較和直方圖反向投影的算法都已經包含在cv4j中。
cv4j 是gloomyfish和我一起開發(fā)的圖像處理庫，純java實現，目前還處于早期的版本。這次我們填完直方圖的坑以后，終于把它發(fā)布到jcenter上了。
單獨下載cv4j
compile 'com.cv4j:cv4j:0.1.0'
也可以下載rxcv4j，它是使用 RxJava2.x 進行的封裝，如果下載該模塊的話無需再下載cv4j。
compile 'com.cv4j:rxcv4j:0.1.0'
目前已經實現的功能：
下周我們開始做模板匹配的算法。
如果您想看該系列先前的文章可以訪問下面的文集：
http://www.itdecent.cn/nb/10401400
