图像处理之相似图片识别（直方图应用篇）

算法概述：

首先对源图像与要筛选的图像进行直方图数据采集，对采集的各自图像直方图进行归一化再

使用巴氏系数算法对直方图数据进行计算，最终得出图像相似度值，其值范围在[0, 1]之间

0表示极其不同，1表示极其相似（相同）。

算法步骤详解：

大致可以分为两步，根据源图像与候选图像的像素数据，生成各自直方图数据。第二步：使

用第一步输出的直方图结果，运用巴氏系数（Bhattacharyya coefficient）算法，计算出相似程

度值。

第一步：直方图计算

直方图分为灰度直方图与RGB直方图，对于灰度图像直方图计算十分简单，只要初始化一

个大小为256的直方图数组H，然后根据像素值完成频率分布统计，假设像素值为124，则

H[124] += 1, 而对于彩色RGB像素来说直方图表达有两种方式，一种是单一直方图，另外一

种是三维直方图，三维直方图比较简单明了，分别对应RGB三种颜色，定义三个直方图HR,

HG, HB, 假设某一个像素点P的RGB值为(4, 231,129), 则对于的直方图计算为HR[4] += 1,

HG[231] += 1, HB[129] += 1, 如此对每个像素点完成统计以后，RGB彩色直方图数据就生成了。

而RGB像素的单一直方图SH表示稍微复杂点，每个颜色的值范围为0 ~ 255之间的，假设

可以分为一定范围等份，当8等份时，每个等份的值范围为32， 16等份时，每个等份值范

围为16，当4等份时候，每个等份值的范围为64，假设RGB值为(14, 68, 221), 16等份之

后，它对应直方图索引值(index)分别为: (0, 4, 13), 根据计算索引值公式:index = R + G*16 + B*16*16

对应的直方图index = 0 + 4*16 + 13 * 16 * 16， SH[3392] += 1

如此遍历所有RGB像素值，完成直方图数据计算。

第二步：巴氏系数计算，计算公式如下：

其中P, P’分别代表源与候选的图像直方图数据，对每个相同i的数据点乘积开平方以后相加

得出的结果即为图像相似度值（巴氏系数因子值），范围为0到1之间。

程序效果：

相似度超过99%以上，极其相似

相似度为：72%， 一般相似

程序直方图计算源代码如下：

1. publicvoidsetGreenBinCount(intgreenBinCount){
2. this.greenBins=greenBinCount;
3. }
5. publicvoidsetBlueBinCount(intblueBinCount){
6. this.blueBins=blueBinCount;
7. }
9. publicfloat[]filter(BufferedImagesrc,BufferedImagedest){
10. intwidth=src.getWidth();
11. intheight=src.getHeight();
13. int[]inPixels=newint[width*height];
14. float[]histogramData=newfloat[redBins*greenBins*blueBins];
15. getRGB(src,0,0,width,height,inPixels);
16. intindex=0;
17. intredIdx=0,greenIdx=0,blueIdx=0;
18. intsingleIndex=0;
19. floattotal=0;
20. for(introw=0;row<height;row++){
21. intta=0,tr=0,tg=0,tb=0;
22. for(intcol=0;col<width;col++){
23. index=row*width+col;
24. ta=(inPixels[index]>>24)&0xff;
25. tr=(inPixels[index]>>16)&0xff;
26. tg=(inPixels[index]>>8)&0xff;
27. tb=inPixels[index]&0xff;
28. redIdx=(int)getBinIndex(redBins,tr,255);
29. greenIdx=(int)getBinIndex(greenBins,tg,255);
30. blueIdx=(int)getBinIndex(blueBins,tb,255);
31. singleIndex=redIdx+greenIdx*redBins+blueIdx*redBins*greenBins;
32. histogramData[singleIndex]+=1;
33. total+=1;
34. }
35. }
37. //starttonormalizethehistogramdata
38. for(inti=0;i<histogramData.length;i++)
39. {
40. histogramData[i]=histogramData[i]/total;
41. }
43. returnhistogramData;
44. }

计算巴氏系数的代码如下：

1. /**
2. *BhattacharyyaCoefficient
3. *http://www.cse.yorku.ca/~kosta/CompVis_Notes/bhattacharyya.pdf
4. *
5. *@return
6. */
7. publicdoublemodelMatch(){
8. HistogramFilterhfilter=newHistogramFilter();
9. float[]sourceData=hfilter.filter(sourceImage,null);
10. float[]candidateData=hfilter.filter(candidateImage,null);
11. double[]mixedData=newdouble[sourceData.length];
12. for(inti=0;i<sourceData.length;i++){
13. mixedData[i]=Math.sqrt(sourceData[i]*candidateData[i]);
14. }
16. //ThevaluesofBhattacharyyaCoefficientrangesfrom0to1,
17. doublesimilarity=0;
18. for(inti=0;i<mixedData.length;i++){
19. similarity+=mixedData[i];
20. }
22. //Thedegreeofsimilarity
23. returnsimilarity;
24. }