OpenCV EMD（Earth Mover's Distance）詳解：cvCalcEMD2 函數參數與直方圖匹配應用

什麼是 EMD？

EMD（Earth Mover's Distance，土方距離）是一種度量兩個分布差異的距離指標。形象理解：將一堆土（源直方圖）移動成另一堆土（目標直方圖）所需的最小工作量（土量 × 移動距離）。

為什麼需要 EMD？

傳統直方圖匹配（如相關性、卡方）對 bin 位置敏感。光照變化會導致顏色值整體平移，直方圖形狀不變但位置偏移，導致匹配失敗。EMD 關注「形狀轉換的代價」，對平移不敏感，適合光照變化下的圖像匹配。

OpenCV cvCalcEMD2 函數詳解

函數原型

float cvCalcEMD2(
    const CvArr* signature1,
    const CvArr* signature2,
    int distance_type,
    CvDistanceFunction distance_func = NULL,
    const CvArr* cost_matrix = NULL,
    CvArr* flow = NULL,
    float* lower_bound = NULL,
    void* userdata = NULL
);

核心參數

• signature1/2：簽名矩陣（浮點型），每行：[權重, 座標1, 座標2, ...]。對於 2D 直方圖（H-S），每行 3 個值：bin值、H座標、S座標。
• distance_type：距離類型。CV_DIST_L1（曼哈頓）、CV_DIST_L2（歐氏）。
• 其餘參數多為可選，高級用法（自定義距離函數、代價矩陣、流輸出、下界估計）。

簡化調用

float emd = cvCalcEMD2(sig1, sig2, CV_DIST_L2);

從直方圖生成 Signature 的關鍵代碼

CvMat* sig1 = cvCreateMat(h_bins * s_bins, 3, CV_32FC1);
CvMat* sig2 = cvCreateMat(h_bins * s_bins, 3, CV_32FC1);

for (int h = 0; h < h_bins; h++) {
    for (int s = 0; s < s_bins; s++) {
        int idx = h * s_bins + s;
        float val1 = cvQueryHistValue_2D(hist1, h, s);
        cvSet2D(sig1, idx, 0, cvScalar(val1));  // bin value
        cvSet2D(sig1, idx, 1, cvScalar(h));     // coordinate H
        cvSet2D(sig1, idx, 2, cvScalar(s));     // coordinate S

        float val2 = cvQueryHistValue_2D(hist2, h, s);
        cvSet2D(sig2, idx, 0, cvScalar(val2));
        cvSet2D(sig2, idx, 1, cvScalar(h));
        cvSet2D(sig2, idx, 2, cvScalar(s));
    }
}

完整計算流程

float emd = cvCalcEMD2(sig1, sig2, CV_DIST_L2);
printf("EMD distance: %f\n", emd);

核心優勢總結

• 光照不變性：通過「移動代價」而非「位置對比」匹配直方圖
• 多維支持：任意維度直方圖均適用
• 物理意義清晰：最小工作量直觀可解釋

應用場景

圖像檢索、目標跟蹤、顏色恆常性識別等光照變化顯著的計算機視覺任務。