它告诉你,每一个灰度的像素的数量是不同的两个图像。换句话说,每一个可能之间的差额一双灰色的水平。假设你有3灰色等级:0,1,2。假设图像1有10个像素的灰度0,20像素的灰度1,30像素的灰度2。假设图2有35像素的灰度0 5 1像素的灰度,20像素的灰度2。
所以图像的区别1 0计数和其他人将abs (10 - 35), abs(纯)和abs(10 - 20)或(25、5、10)
所以图像的区别1的1计数和其他人将abs (20 - 35), abs(共)和abs(白人)或[0]15日,15日
和图1是2的区别和其他人将abs (-), abs(30-5)和abs(30-20)或(5,25日,10)
所以你的d
c1 =(10年,20年,30)
c2 = [20] 35 5
d = pdist2 (c1 (:), c2 (:))
d =
25 5 10
15 15 0
5 25日10
如果直方图是相同的,差别都是0。所以d是一种总体指标不同的直方图。的意思是你可以用d。或者你可能把bin-by-bin基础上的均值差异:意思是(abs (c1)) =“平均计数差异”
md =非常刻薄的(d)
mc =意味着(abs(路径c1))
md =
12.222
mc =
16.667
他们只是
不同的
直方图差异指标,还有其他人可以使用。我不知道一个是一定比另一种更好。使用任何最好的满足您的需求。我认为mc的意思是,平均计数差异,比博士更容易直观地理解一个因为你本身比较每个灰度在其他图像而不是比较每个灰度和所有其他可能的灰色的水平。的指标为零但基本上为一个完整的直方图匹配和变得更大更不匹配直方图形状。
注意,直方图或直方图差异指标,不一定告诉你不同的图像。我可能需要一个图像和完全随机的排列/重新排列像素,这样看起来基本上是白噪声,甚至对像素进行排序,这样图像看起来像一个光滑的斜坡。图像将会与原始图像相同的相同的直方图,但图像看起来
完全
不同。(演示要求)。
