直方图相似度算法（Histogram Similarity）是一种 图像相似性比对方法，特别适合用来判断两张图的整体“色彩分布是否相似”。

一、什么是图像直方图？

图像直方图是对图像中每种颜色（或灰度）的像素数量进行统计，比如：

• 灰度图：统计 0～255 的灰度值有多少像素
• 彩色图（BGR）：可以分开对 B、G、R 三个通道分别做统计

二、相似度计算的常用方法（OpenCV）

OpenCV 提供了内置函数：

cv2.compareHist(hist1, hist2, method)

常见的方法有：

三、Python 中常用的图像直方图相似度函数示例

import cv2
import numpy as np

def compare_img_hist(img1, img2):
    # 先转为 HSV 更稳定（你也可以试 BGR 或 GRAY）
    img1_hsv = cv2.cvtColor(img1, cv2.COLOR_BGR2HSV)
    img2_hsv = cv2.cvtColor(img2, cv2.COLOR_BGR2HSV)

    # 计算直方图（这里只用 H 和 S 通道，更有代表性）
    hist_img1 = cv2.calcHist([img1_hsv], [0, 1], None, [50, 60], [0, 180, 0, 256])
    hist_img2 = cv2.calcHist([img2_hsv], [0, 1], None, [50, 60], [0, 180, 0, 256])

    # 归一化
    cv2.normalize(hist_img1, hist_img1, alpha=0, beta=1, norm_type=cv2.NORM_MINMAX)
    cv2.normalize(hist_img2, hist_img2, alpha=0, beta=1, norm_type=cv2.NORM_MINMAX)

    # 比较（相关性越接近1越相似）
    similarity = cv2.compareHist(hist_img1, hist_img2, cv2.HISTCMP_CORREL)
    return similarity  # 一般你可以设一个阈值，比如 > 0.6 表示相似

五、阈值设定

根据 cv2.HISTCMP_CORREL（相关性）：

• 相似度值 ∈ [-1, 1]
• 典型设定：
• > 0.9：非常相似（基本一致）
• 0.7 ~ 0.9：比较接近
• < 0.6：明显不同

六、总结