直方图比较是对输入的两张图像进行计算得到直方图H1与H2，归一化到相同的尺度空间，然后可以通过计算H1与H2的之间的距离得到两个直方图的相似程度（每张图像都有唯一的直方图与之对应），进而比较图像本身的相似程度。Opencv提供的比较方法有四种：
Correlation 相关性比较
Chi-Square 卡方比较
Intersection 十字交叉性
Bhattacharyya distance 巴氏距离。
（1）直方图比较方法-相关性计算(CV_COMP_CORREL)
其中：
其中N是直方图的BIN个数，是均值。
---------------------------------------------------------------------------------------------------------------------------------
（2）直方图比较方法-相关性计算(CV_COMP_CORREL)
H1,H2分别表示两个图像的直方图数据
---------------------------------------------------------------------------------------------------------------------------------
H1,H2分别表示两个图像的直方图数据
--------------------------------------------------------------------------------------------------------------------------------
(4)直方图比较方法-巴氏距离计算(CV_COMP_BHATTACHARYYA )
H1,H2分别表示两个图像的直方图数据,
---------------------------------------------------------------------------------------------------------------------------------
直方图比较API函数接口
#API接口
double compareHist(InputArray h1,InputArray H2,int method)
//参数说明：
第一个参数InputArray类型 h1,直方图数据
第二个参数InputArray类型 h2,直方图数据
第三个参数int类型 method比较方法，上述四种方法之一
返回值：采用上述四中方法之一计算后的两个直方图相关系数关于 int method 的取值：
enum HistCompMethods {
HISTCMP_CORREL = 0, //相关性比较
HISTCMP_CHISQR = 1, //卡方比较
HISTCMP_INTERSECT = 2, //十字交叉性
HISTCMP_BHATTACHARYYA = 3, //巴氏距离
HISTCMP_HELLINGER = HISTCMP_BHATTACHARYYA,
HISTCMP_CHISQR_ALT = 4, //替代卡方：通常用于纹理比较。
HISTCMP_KL_DIV = 5 //KL散度
};不同直方图相关性比较方法的特点：
Correlation相关性比较（CV_COMP_CORREL）值越大，相关度越高，最大值为1，最小值为0，越接近1越相似
Chi-Square卡方比较(CV_COMP_CHISQR) 值越小，相关度越高，最大值无上界，最小值0，越接近0越相似
Intersection十字交叉性（CV_COMP_INTERSECT）对于相似度比较，值越大，表明相关度越高，最大值无上界；完美匹配为1，完全不匹配为0；
Bhattacharyya distance巴氏距离(CV_COMP_BHATTACHARYYA)值越小，相关度越高，最大值为1，最小值为0，越接近1越相似
=========================================================================
#include"stdafx.h"
#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
using namespace std;
using namespace cv;
string convertToString(double d);
int main(int argc, char** argv) {
Mat base, test1, test2; //RGB图像
Mat hsvbase, hsvtest1, hsvtest2; //HSV图像
base = imread("F:/photo/zx.jpg");
if (!base.data) {
printf("could not load image...\n");
return -1;
}
test1 = imread("F:/photo/a.jpg");
test2 = imread("F:/photo/c.jpg");
//转化为HSV图像
cvtColor(base, hsvbase, COLOR_BGR2HSV);
cvtColor(test1, hsvtest1, COLOR_BGR2HSV);
cvtColor(test2, hsvtest2, COLOR_BGR2HSV);
int h_bins = 50; int s_bins = 60;
int histSize[] = { h_bins, s_bins };
// hue varies from 0 to 179, saturation from 0 to 255
float h_ranges[] = { 0, 180 };
float s_ranges[] = { 0, 256 };
const float* ranges[] = { h_ranges, s_ranges };
// Use the o-th and 1-st channels
int channels[] = { 0, 1 };
MatND hist_base;
MatND hist_test1;
MatND hist_test2;
calcHist(&hsvbase, 1, channels, Mat(), hist_base, 2, histSize, ranges, true, false);
normalize(hist_base, hist_base, 0, 1, NORM_MINMAX, -1, Mat());
calcHist(&hsvtest1, 1, channels, Mat(), hist_test1, 2, histSize, ranges, true, false);
normalize(hist_test1, hist_test1, 0, 1, NORM_MINMAX, -1, Mat());
calcHist(&hsvtest2, 1, channels, Mat(), hist_test2, 2, histSize, ranges, true, false);
normalize(hist_test2, hist_test2, 0, 1, NORM_MINMAX, -1, Mat());
double basebase = compareHist(hist_base, hist_base, 2);//zx
double basetest1 = compareHist(hist_base, hist_test1,2);//zx and a
double basetest2 = compareHist(hist_base, hist_test2, 2);//zx and c
double tes1test2 = compareHist(hist_test1, hist_test2, 2);//a and c
printf("test1 compare with test2 correlation value :%f", tes1test2);
Mat test12;
test2.copyTo(test12);
putText(base, convertToString(basebase), Point(50, 50), FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA); //zx
putText(test1, convertToString(basetest1), Point(50, 50), FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA);//zx and a
putText(test2, convertToString(basetest2), Point(50, 50), FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA);//zx and c
putText(test12, convertToString(tes1test2), Point(50, 50), FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA);//a and c
namedWindow("base", 0);
resizeWindow("base", base.cols / 2, base.rows / 2);
namedWindow("test1", 0);
resizeWindow("test1", test1.cols / 2, test1.rows / 2);
namedWindow("test2", 0);
resizeWindow("test2", test2.cols / 2, test2.rows / 2);
imshow("base", base);
imshow("test1", test1);
imshow("test2", test2);
imshow("test12", test12);
waitKey(0);
return 0;
}
string convertToString(double d) {
ostringstream os;
if (os << d)
return os.str();
return "invalid conversion";
}---------------------------------------------------------------------------------------------------------------------------------
代码中，车道线图片base自行十字交叉性比较，basebase = 36.8538，数值越大，图像相关性程度越高 
base图片与test1图片进行十字交叉性比较，test1base = 9.55181，数值较小，图像相识度较低
下面图像是test1图像与test2图像直方图对比，test2base = 7.98399，相识度较小