同样，这个解释来自于前述文章提到的论文。可能初做这个技术领域的人不是很在乎如何度量，只是找一个差不多的把系统搭起来。其实度量的好坏直接影响着最后的效果。下面的图示可以很好的阐述这一点。
首先，我们看两组直方图，
- 图(a)使用了bin-by-bin的直方图比较方式L1距离，即每个bin和另一个直方图的对应bin作比较，绝对值求和。左图的两个直方图距离为4，右图为2，显然L1距离显示左图中的两个直方图相似性要弱于右图。
- 图(b)使用了cross-bin的直方图比较方式quadratic-form distance，这个距离考虑的bin之间的关系，公式如下。它的比较结果依然会认为左图相似性弱于右图。
但是，按照两种距离度量的机制，我们可以比较容易的思考到，下图比较方式会更加合理。图(c)显示，如果是bin和bin比较，那么稍微错一格进行比较，岂不是很完美？图(d)也同样，cross-bin的比较这样比会更加合理。
为什么左图的一对直方图是很相似呢？从图像的例子可以很容易的理解。大家知道图像的8bit灰度值是0-255，如果直方图是32个bin，代表对图像做量化，量化步长为8。如果有个图像像素值是128（灰不溜秋的颜色），量化后（这里方便起见直接除以8了）属于bin=16。但是如果另一个另一个图像的像素值是129，我们直观看起来都会觉得这俩像素长得太像了，但是直方图的结果却是归到了bin=17。这就带来了上述例子的结果，图像很相似，但是距离反而不小。
这篇文章很科普，很傻瓜，不过感觉很直观能表达一个道理，权当一片文章吧。