使用欧几里得距离计算 2 个直方图之间的距离答案

【问题标题】：Calculating Distances Between 2 Histograms by Using Euclidean Distance使用欧几里得距离计算 2 个直方图之间的距离
【发布时间】：2021-06-16 22:51:10
【问题描述】：

我正在尝试计算两个色调图像直方图的欧几里德距离，我找到了 cv2.compareHist 方法，但它没有提供欧几里德距离的选项。非常感谢任何帮助。

【问题讨论】：

在en.wikipedia.org/wiki/Euclidean_distance 上查看更高的维度。每个 bin 的维度不同
我的数学很差，所以我必须问结果是一个数字，还是一个数字数组
你见过这个吗？ Euclidean distance between RGB histogram of two images
单个数字：dist=sqrt( ( (bin1a-bin1b)^2 ... (bin256a-bin256b) ) / 256)，其中 bin1a 在 imageA 的第一个 bin 计数中，bin1b 是 imageB 的第一个 bin 计数等。即距离是平方平均值的平方根对应的 bin 之间的差异）

标签： python opencv image-processing histogram opencv-python

【解决方案1】：

这里是如何在 Python/OpenCV 中做到这一点。

输入：

import cv2
import math

# Load the images
img1 = cv2.imread('lena.jpg')
img2 = cv2.imread('zelda1.jpg')

# convert to gray
gray1 = cv2.cvtColor(img1,cv2.COLOR_BGR2GRAY)
gray2 = cv2.cvtColor(img2,cv2.COLOR_BGR2GRAY)

# Calculate the histograms, and normalize them
hist1 = cv2.calcHist([gray1], [0], None, [256], [0, 256])
#cv2.normalize(hist1, hist1, alpha=0, beta=1, norm_type=cv2.NORM_MINMAX)

hist2 = cv2.calcHist([gray2], [0], None, [256], [0, 256])
#cv2.normalize(hist2, hist2, alpha=0, beta=1, norm_type=cv2.NORM_MINMAX)

# compute euclidean distance
sum = 0
for i in range (0,256):
    sum = sum + (hist1[i][0]-hist2[i][0])**2
dist = math.sqrt(sum)
print('euclidean distance:', dist)

# above is equivalent to cv2.norm()
dist2 = cv2.norm(hist1, hist2, normType=cv2.NORM_L2)
print('euclidean distance2:', dist2)

结果：

euclidean distance : 2319.6163475885405
euclidean distance2: 2319.6163475885405

如果图像的尺寸不同（总像素=宽度*高度），则可能应该通过将每个 bin 除以图像中的总像素来标准化直方图。

【讨论】：

不应该等于dist = cv2.norm(hist1, hist2)吗？为什么要将总和除以 256？
正确。对不起，我在想 rmse。我不知道 cv2.norm()。
我已根据@rotem 的评论更正了我的帖子。