由于我是新来的OpenCV，我不知道如何使用cv.CalcEMD2功能与numpy阵列。
我有两个数组：
a=[1,2,3,4,5]
b=[1,2,3,4]
我怎样才能转让numpy array到CVhistogram和Cvhistogram的功能参数signature ？
我想任何人谁回答问题，解释任何使用opencv ，通过所提供的解决方案的功能。
“EMD” == 地球先行者的距离 。
更新： -
同时，这将是有益的，如果任何人都可以告诉我如何设置cv.CalcEMD2参数即"signature"使用numpy数组！
注意：-
*对于那些谁可能有兴趣在这个问题上，这个答案需要更多的测试。
你必须在重量和坐标来定义你的阵列。 如果你有两个数组a = [1,1,0,0,1]和B = [0,1,0,1]代表一个维直方图，然后numpy的阵列应该是这样的：
a = [[1 1]
[1 2]
[0 3]
[0 4]
[1 5]]
b = [[0 1]
[1 2]
[0 3]
[1 4]]
请注意，行数可以是不同的。 列的数目应该是尺寸+ 1中的第一列包含的权重，而第二列包含的坐标。
接下来的一步是将数组numpy的数组转换成CV_32FC1垫你输入之前作为签名的CalcEMD2功能。 代码如下所示：
from cv2 import *
import numpy as np
# Initialize a and b numpy arrays with coordinates and weights
a = np.zeros((5,2))
for i in range(0,5):
a[i][1] = i+1
a[0][0] = 1
a[1][0] = 1
a[2][0] = 0
a[3][0] = 0
a[4][0] = 1
b = np.zeros((4,2))
for i in range(0,4):
b[i][1] = i+1
b[0][0] = 0
b[1][0] = 1
b[2][0] = 0
b[3][0] = 1
# Convert from numpy array to CV_32FC1 Mat
a64 = cv.fromarray(a)
a32 = cv.CreateMat(a64.rows, a64.cols, cv.CV_32FC1)
cv.Convert(a64, a32)
b64 = cv.fromarray(b)
b32 = cv.CreateMat(b64.rows, b64.cols, cv.CV_32FC1)
cv.Convert(b64, b32)
# Calculate Earth Mover's
print cv.CalcEMD2(a32,b32,cv.CV_DIST_L2)
# Wait for key
cv.WaitKey(0)
请注意，CalcEMD2的第三个参数是欧氏距离CV_DIST_L2。 对于第三个参数的另一个选择是曼哈顿距离CV_DIST_L1。
我也想提一提，我写的代码来计算在Python两个2D直方图的堆土机的距离。 你可以找到这个代码在这里 。
CV.CalcEMD2预计阵列还包括用于根据所述文档的每个信号的权重。
我建议，重量为1定义你的阵列，像这样：
a=array([1,1],[2,1],[3,1],[4,1],[5,1])
b=array([1,1],[2,1],[3,1],[4,1])
我知道OP要衡量堆土机距离使用OpenCV的，但如果你想这样做使用SciPy的，你可以使用以下（Wasserstein的距离也被称为堆土机距离）：
from scipy.stats import wasserstein_distance
from scipy.ndimage import imread
import numpy as np
def get_histogram(img):
'''
Get the histogram of an image. For an 8-bit, grayscale image, the
histogram will be a 256 unit vector in which the nth value indicates
the percent of the pixels in the image with the given darkness level.
The histogram's values sum to 1.
'''
h, w = img.shape
hist = [0.0] * 256
for i in range(h):
for j in range(w):
hist[img[i, j]] += 1
return np.array(hist) / (h * w)
a = imread('a.jpg')
b = imread('b.jpg')
a_hist = get_histogram(a)
b_hist = get_histogram(b)
dist = wasserstein_distance(a_hist, b_hist)
print(dist)
