算法概述：

首先對源圖像與要篩選的圖像進行直方圖數據采集，對采集的各自圖像直方圖進行歸一化再

使用巴氏系數算法對直方圖數據進行計算，最終得出圖像相似度值，其值范圍在[0, 1]之間

0表示極其不同，1表示極其相似（相同）。

算法步驟詳解：

大致可以分為兩步，根據源圖像與候選圖像的像素數據，生成各自直方圖數據。第二步：使

用第一步輸出的直方圖結果，運用巴氏系數（Bhattacharyya coefficient）算法，計算出相似程

度值。

第一步：直方圖計算

直方圖分為灰度直方圖與RGB直方圖，對于灰度圖像直方圖計算十分簡單，只要初始化一

個大小為256的直方圖數組H，然后根據像素值完成頻率分布統計，假設像素值為124，則

H[124] += 1, 而對于彩色RGB像素來說直方圖表達有兩種方式，一種是單一直方圖，另外一

種是三維直方圖，三維直方圖比較簡單明了，分別對應RGB三種顏色，定義三個直方圖HR,

HG, HB, 假設某一個像素點P的RGB值為(4, 231,129), 則對于的直方圖計算為HR[4] += 1,

HG[231] += 1, HB[129] += 1, 如此對每個像素點完成統計以后，RGB彩色直方圖數據就生成了。

而RGB像素的單一直方圖SH表示稍微復雜點，每個顏色的值范圍為0 ~ 255之間的，假設

可以分為一定范圍等份，當8等份時，每個等份的值范圍為32， 16等份時，每個等份值范

圍為16，當4等份時候，每個等份值的范圍為64，假設RGB值為(14, 68, 221), 16等份之

后，它對應直方圖索引值(index)分別為: (0, 4, 13), 根據計算索引值公式:index = R + G*16 + B*16*16

對應的直方圖index = 0 + 4*16 + 13 * 16 * 16， SH[3392] += 1

如此遍歷所有RGB像素值，完成直方圖數據計算。

第二步：巴氏系數計算，計算公式如下：

其中P, P’分別代表源與候選的圖像直方圖數據，對每個相同i的數據點乘積開平方以后相加

得出的結果即為圖像相似度值（巴氏系數因子值），范圍為0到1之間。

程序效果：

相似度超過99%以上，極其相似

相似度為：72%， 一般相似

程序直方圖計算源代碼如下：

1. publicvoidsetGreenBinCount(intgreenBinCount){
2. this.greenBins=greenBinCount;
3. }
5. publicvoidsetBlueBinCount(intblueBinCount){
6. this.blueBins=blueBinCount;
7. }
9. publicfloat[]filter(BufferedImagesrc,BufferedImagedest){
10. intwidth=src.getWidth();
11. intheight=src.getHeight();
13. int[]inPixels=newint[width*height];
14. float[]histogramData=newfloat[redBins*greenBins*blueBins];
15. getRGB(src,0,0,width,height,inPixels);
16. intindex=0;
17. intredIdx=0,greenIdx=0,blueIdx=0;
18. intsingleIndex=0;
19. floattotal=0;
20. for(introw=0;row<height;row++){
21. intta=0,tr=0,tg=0,tb=0;
22. for(intcol=0;col<width;col++){
23. index=row*width+col;
24. ta=(inPixels[index]>>24)&0xff;
25. tr=(inPixels[index]>>16)&0xff;
26. tg=(inPixels[index]>>8)&0xff;
27. tb=inPixels[index]&0xff;
28. redIdx=(int)getBinIndex(redBins,tr,255);
29. greenIdx=(int)getBinIndex(greenBins,tg,255);
30. blueIdx=(int)getBinIndex(blueBins,tb,255);
31. singleIndex=redIdx+greenIdx*redBins+blueIdx*redBins*greenBins;
32. histogramData[singleIndex]+=1;
33. total+=1;
34. }
35. }
37. //starttonormalizethehistogramdata
38. for(inti=0;i<histogramData.length;i++)
39. {
40. histogramData[i]=histogramData[i]/total;
41. }
43. returnhistogramData;
44. }

計算巴氏系數的代碼如下：

1. /**
2. *BhattacharyyaCoefficient
3. *http://www.cse.yorku.ca/~kosta/CompVis_Notes/bhattacharyya.pdf
4. *
5. *@return
6. */
7. publicdoublemodelMatch(){
8. HistogramFilterhfilter=newHistogramFilter();
9. float[]sourceData=hfilter.filter(sourceImage,null);
10. float[]candidateData=hfilter.filter(candidateImage,null);
11. double[]mixedData=newdouble[sourceData.length];
12. for(inti=0;i<sourceData.length;i++){
13. mixedData[i]=Math.sqrt(sourceData[i]*candidateData[i]);
14. }
16. //ThevaluesofBhattacharyyaCoefficientrangesfrom0to1,
17. doublesimilarity=0;
18. for(inti=0;i<mixedData.length;i++){
19. similarity+=mixedData[i];
20. }
22. //Thedegreeofsimilarity
23. returnsimilarity;
24. }