Porównanie Histogram OpenCV Metody

Question

Patrząc na Histogram Documentation istnieją 4 (5) różne metody porównania:

1. CV_COMP_CORRELKorelacja
2. CV_COMP_CHISQRChi-Square
3. CV_COMP_INTERSECTSkrzyżowanie
4. CV_COMP_BHATTACHARYYABhattacharyya odległość
5. CV_COMP_HELLINGERsynonim dlaCV_COMP_BHATTACHARYYA

Wszystkie dają różne wyjścia, które są odczytywane w różny sposób, jak to pokazano na Compare Histogram Documentation. Ale nie mogę znaleźć niczego, co wskazywałoby na efektywność każdej metody w porównaniu ze sobą. Z pewnością istnieją zalety i wady dla każdej metody, w przeciwnym razie, dlaczego mają wiele metod?

Nawet OpenCV 2 Computer Vision Application Programming Cookbook ma bardzo niewiele do powiedzenia na differnces:

Wezwanie do cv :: compareHist jest proste. Wystarczy wprowadzić dwa histogramy , a funkcja zwraca zmierzoną odległość. Określona metoda pomiaru, którą chcesz zastosować, jest określona przy użyciu flagi. W klasie ImageComparator używana jest metoda przecięcia (z flagą CV_COMP_INTERSECT). Ta metoda porównuje po prostu dla każdego pojemnika dwie wartości w każdym histogramie i utrzymuje wartość minimalną. Miary podobieństwa są po prostu sumą tych minimalnych wartości. W rezultacie dwa obrazy mające histogramy bez wspólnych kolorów uzyskałyby wartość przecięcia 0, a dwa identyczne histogramy: uzyskałyby wartość równą całkowitej liczbie pikseli.

Inne metody dostępne są chi-kwadrat (znacznik CV_COMP_CHISQR) który sumuje znormalizowane kwadratowy różnicy między pojemnikami, sposób korelacji (znacznik CV_COMP_CORREL) które jest oparte na znormalizowanej korelacji krzyżowej operator używany w przetwarzaniu sygnałów do pomiaru mierzy podobieństwo między dwoma sygnałami, a miara Bhattacharyya mierzy (flagę CV_COMP_BHATTACHARYYA) używaną w statystykach do oszacowania podobieństwa między dwoma rozkładami probabilistycznymi.

Musi być różnica między metodami, więc moje pytanie brzmi: czym one są? i w jakich okolicznościach działają najlepiej?

Answer 1

CV_COMP_INTERSECT jest szybki do obliczenia, ponieważ wystarczy minimalna wartość dla każdego pojemnika. Ale nie powie ci wiele o rozkładzie różnic.Inne metody próbują osiągnąć lepszą i bardziej ciągłą punktację jako dopasowanie, przy różnych założeniach dotyczących rozkładu pikseli.

można znaleźć formuły używane w różnych metod, w

http://docs.opencv.org/doc/tutorials/imgproc/histograms/histogram_comparison/histogram_comparison.html

Niektóre odnośniki do bardziej szczegółowych informacji na temat algorytmów dopasowywania można znaleźć pod adresem:

http://siri.lmao.sk/fiit/DSO/Prednasky/7%20a%20Histogram%20based%20methods/7%20a%20Histogram%20based%20methods.pdf