image - 将 2 个直方图数据组合为 OpenCV 中的新数据

Question

我想比较 2 张图片，如果它们相似，我会保留这 2 张图片。我计算每个图像的 HSV 直方图并比较直方图之间的距离。

现在，当获得第三张图像时，我必须将它与图像 1 和图像 2(已存储为一个相似类型的图像)进行比较。

像上面这样比较的问题是图像的增加也增加了计算成本。

所以如果 2 张图像相似而不是我想将那里的特征聚类为一个，那么我想做什么，因此将来相似图像的特征将与聚类特征进行比较。

选项 1 如果我合并 2 个直方图，它会如何正确？我不这么认为，但我不确定？

选项 2如何使用 2 图像特征分布，我根据 2 直方图计算一个新分布作为两个图像的组合分布。 ？这听起来正确吗？

Answer 1

让我一步一步来:

Task: compare 2 images. Keep both if they are similar, else merge somehow. Feature Space: HSV histogram.

OPTION 1 Is it correct to merge histograms?

是的，因为您使用的是直方图而不是签名，所以您可以只将两个直方图的 bin 除以二。

游览:如果你想合并额外的图像，你必须跟踪已经合并的数量，所以你知道如何加权

Example: histogram with one bin, three pictures
with p1=2, p2=6, p3=10
merge p1,p2 to m_12: (2+6)/2 = 4
merge m_12 and p3: 
((weight * value m_12) + (weigth * value p3)) / 2
= ( (2/3 * 4) + (1/3 * 10) ) / 2
 = 6 [equal to (p1+p2+p3) / 3]

tl;dr 是的，你可以合并它们

OPTION 2 How about using the 2 image feature distribution, I compute a new distribution from the 2 histogram as a combined distribution of both images. ? Does this sound correct?

是的，虽然我不知道你想怎么做。

如果你想加快你的程序，你应该检查不同的距离测量(不幸的是我只记得 SQFD 和 Earth Movers Distance 的签名)。他们通常有一个快速但粗略的下界。这可用于获得良好的距离下限，因此您可以减少搜索空间。

Increase in images also increase computational cost.

查看层次聚类以找到适合大量图像的数据结构。