轉載請注明出處：
http://www.cnblogs.com/darkknightzh/p/5147982.html
對於兩直方圖 $S=\left\{ {{s}_{1}},\cdots {{s}_{n}} \right\}$ 及 $M=\left\{ {{m}_{1}},\cdots {{m}_{n}} \right\}$，n為直方圖維數（如255），這兩直方圖之間的卡方相似性為：
$\chi _{\omega }^{2}(S,M)=\sum\limits_{i=1}^{n}{{{\omega }_{i}}\frac{{{\left( {{s}_{i}}-{{m}_{i}} \right)}^{2}}}{{{s}_{i}}+{{m}_{i}}}}$
其中， ${{\omega }_{i}}$ 為權重，可令不同維度權重取不同值。
直方圖歐氏距離的相似性度量為：
$D(S,M)={{\left( \sum\limits_{i=1}^{n}{{{\left( {{s}_{i}}-{{m}_{i}} \right)}^{2}}} \right)}^{2}}$
其中， $0 \le {{s}_{i}}\le 1 $ 和 $0 \le {{m}_{i}}\le 1 $ 為歸一化值（此處外部是平方還是0.5次方不確定）。
歸一化處理后，圖像直方圖的相似度的度量為：
$D(S,M)=\frac{1}{n}\sum\limits_{i=1}^{n}{\left( 1-\frac{\left| {{s}_{i}}-{{m}_{i}} \right|}{\max ({{s}_{i}},{{m}_{i}})} \right)}$
直方圖相似性常用於人臉檢測。