9. OpenCV进行图像相似度对比的几种办法 - zchang81的博客 - CSDN博客1
需积分: 0 16 浏览量
2022-08-03
23:30:00
上传
评论 2
收藏 267KB PDF 举报
1、直方图方法
方法描述：有两幅图像patch(当然也可是整幅图像)，分别计算两幅图像的直方图，并
将直方图进行归一化，然后按照某种距离度量的标准进行相似度的测量。
方法的思想：基于简单的向量相似度来对图像相似度进行度量。
优点：直方图能够很好的归一化，比如256个bin条，那么即使是不同分辨率的图像都可
以直接通过其直方图来计算相似度，计算量适中。比较适合描述难以自动分割的图像。
缺点：直方图反应的是图像灰度值得概率分布，并没有图像的空间位置信息在里面，因
此，常常出现误判；从信息论来讲，通过直方图转换，信息丢失量较大，因此单一的通
过直方图进行匹配显得有点力不从心。
2、图像模板匹配
一般而言，源图像与模板图像patch尺寸一样的话，可以直接使用上面介绍的图像相似
度测量的方法；如果源图像与模板图像尺寸不一样，通常需要进行滑动匹配窗口，扫面
个整幅图像获得最好的匹配patch。
在OpenCV中对应的函数为：matchTemplate()：函数功能是在输入图像中滑动窗口寻找
各个位置与模板图像patch的相似度。
3、PSNR峰值信噪比
PSNR（Peak Signal to Noise Ratio），一种全参考的图像质量评价指标。
简介：https://en.wikipedia.org/wiki/Peak_signal-to-noise_ratio
PSNR是最普遍和使用最为广泛的一种图像客观评价指标，然而它是基于对应像素点间的
误差，即基于误差敏感的图像质量评价。由于并未考虑到人眼的视觉特性（人眼对空间
频率较低的对比差异敏感度较高，人眼对亮度对比差异的敏感度较色度高，人眼对一个
区域的感知结果会受到其周围邻近区域的影响等），因而经常出现评价结果与人的主观
感觉不一致的情况。
4、SSIM（structural similarity）结构相似性
评论0