2013-10-25 81 views
3

我有一个基本图像(数字或运算符),我必须与14个图像(0到9和*/- +)进行比较,以了解哪个与基本图像匹配。使用直方图比较匹配图像C++

我创建了基本图像的直方图,并使用我为所有14个图像的直方图创建的循环,并对直方图进行了归一化处理。

在循环中,对于每个新创建的直方图,我都使用compareHist()函数与基准直方图进行比较。并输出结果的double值。

使用相关或卡方或交叉路口或巴氏方法:

我得到一组特定的值。而当使用不同的基地时,我仍然得到相同的一组值。

为什么我得到这个?我是否需要改变标准化函数以获得不同基地的不同值?

CODE:

void matchHistogram(){ 

Mat src_base, hsv_base; 
Mat src_test1, hsv_test1; 

/// Histograms 
MatND hist_base; 
MatND hist_test1; 

/// Using 30 bins for hue and 32 for saturation 
int h_bins = 30; int s_bins = 32; 
int histSize[] = { h_bins, s_bins }; 

// hue varies from 0 to 255, saturation from 0 to 180 
float h_ranges[] = { 0, 255 }; 
float s_ranges[] = { 0, 180 }; 

const float* ranges[] = { h_ranges, s_ranges }; 

// Use the o-th and 1-st channels 
int channels[] = { 0, 1 }; 


for(int i=0;i<noOfcropped;i++){ //get base image //noOfCropped is number of base images i'll compare to 14 images 
    cout<<"  "<<i<<endl; 
    stringstream croppedimage; 
    croppedimage<<"CroppedImages/croppedImage"<<i; 
    croppedimage<<".jpg"; 

    src_base = imread(croppedimage.str(), 1); 
    imshow(croppedimage.str(),src_base); 

    /// Convert to HSV 
    cvtColor(src_base, hsv_base, CV_BGR2HSV); 


    /// Calculate the histogram for the HSV images 
    calcHist(&hsv_base, 1, channels, Mat(), hist_base, 2, histSize, ranges); 
    normalize(hist_base, hist_base, 0, 1, NORM_MINMAX, -1, Mat()); 


    for(int j=0;j<14;j++){//comparing 1 croppedimage with each different characters 
     cout<<" "<<j<<endl; 
     stringstream test1; 
     test1<<"ImagesToCompare/"<<j; 
     test1<<".jpg"; 

     src_test1 = imread(test1.str(), 1); 

     /// Convert to HSV 
     cvtColor(src_test1, hsv_test1, CV_BGR2HSV); 

     /// Calculate the histogram for the HSV images 
     calcHist(&hsv_test1, 1, channels, Mat(), hist_test1, 2, histSize, ranges); 
     normalize(hist_test1, hist_test1, 0, 1,NORM_MINMAX, -1, Mat()); 

     /// Apply the histogram comparison methods 
     int compare_method = 0; 
     //when 0 or 2, highest comparison values>> best match 
     //when 1 or 3, lowest comparison values>> best match 
     double base_test1 = compareHist(hist_base, hist_test1, compare_method); 


     cout<<base_test1<<endl; 
    } 
} 

}

+0

1)你是否需要使用直方图,2)是否是从同一组图像进行比较的图像,以便它具有精确的副本(宽度,高度,分辨率等)? – TheDarkKnight

+0

我想使用直方图,但如果有其他更简单的方法,我可以尝试实现。 不,它不是不一样的图像是在开始时是一个方程的照片(例如:5 + 5) 每个元素被提取为5,+,5.(提取部分导致图像在背景中黑色和白色的元素)。每个元素现在是一个图像,我正在使用它来比较一组14个图像。这14个图像在背景中是白色的,而元素是黑色的。 – user2919740

回答

0

如果我理解你的问题正确,您隔离和一些位图图像一样裁剪字符,然后你要确定它是什么性质? 就像自动字符识别一样?

也许你可以使用边缘检测器,而不是比较直方图?

我会尝试的算法是这样的:

  1. 发现,隔离和裁剪字符识别
  2. 缩放到预定的水平和垂直尺寸标准化了。
  3. 扫描字符上的定向边缘检测器,像Sobel 边缘检测器那样简单。
    • 首先应用水平边缘检测器,然后水平地“展平”边缘图 以获得表示每个像素行处的边缘信息的向量。 (即,在每个像素行的边缘图中计数1和0)
    • 其次应用垂直边缘检测器,并且垂直平坦化边缘图,给出表示每个像素列处的边缘信息的另一矢量。 (即累积和计数为每个像素列中的边缘信息)
  4. 串连这两个向量[水平边缘信息, 垂直边缘信息]
  5. 然后最终级联矢量比较的 库您的已知测试样品的预计算的矢量(0-9,+/* - )

号码看起来有点类似(8,6,9,3)应该仍然具有不同的峰和谷在任一水平分量或垂直分量。

+0

你是什么意思的独特? – user2919740

+0

我的意思是,你可以很容易地区分一个字符'1'和一个字符'3'产生的向量。 – rgrou