转载请注明出处：
http://www.cnblogs.com/darkknightzh/p/5147982.html
对于两直方图 $S=left{ {{s}_{1}},cdots {{s}_{n}} ight}$ 及 $M=left{ {{m}_{1}},cdots {{m}_{n}} ight}$，n为直方图维数（如255），这两直方图之间的卡方相似性为：
$chi _{omega }^{2}(S,M)=sumlimits_{i=1}^{n}{{{omega }_{i}}frac{{{left( {{s}_{i}}-{{m}_{i}} ight)}^{2}}}{{{s}_{i}}+{{m}_{i}}}}$
其中， ${{omega }_{i}}$ 为权重，可令不同维度权重取不同值。
直方图欧氏距离的相似性度量为：
$D(S,M)={{left( sumlimits_{i=1}^{n}{{{left( {{s}_{i}}-{{m}_{i}} ight)}^{2}}} ight)}^{2}}$
其中， $0 le {{s}_{i}}le 1 $ 和 $0 le {{m}_{i}}le 1 $ 为归一化值（此处外部是平方还是0.5次方不确定）。
归一化处理后，图像直方图的相似度的度量为：
$D(S,M)=frac{1}{n}sumlimits_{i=1}^{n}{left( 1-frac{left| {{s}_{i}}-{{m}_{i}} ight|}{max ({{s}_{i}},{{m}_{i}})} ight)}$
直方图相似性常用于人脸检测。