OpenCV学习笔记（13）：利用反向投影直方图查找特定的内容（一）

最新推荐文章于 2022-01-12 12:24:57 发布
最新推荐文章于 2022-01-12 12:24:57 发布
阅读量693 收藏 1
点赞数
分类专栏： OpenCV学习笔记

什么是反向投影直方图呢？简单的说在灰度图像的每个点（x，y），用它对应的直方图的bin的值（就是有多少像素落在bin内）来代替它。所以·如果这个bin的值比较大，那么反向投影显示的结果会比较亮，否则就比较暗。

从统计学的角度，反输出图像象素点的值是观测数组在某个分布（直方图）下的的概率。

所以加入我们已经得到了一个物体的直方图，我们可以计算它在另一幅图像中的反向投影，来判断这幅图像中是否有该物体。

OpenCV提供了计算反向投影直方图的函数：calcBackProject来计算一幅图像对于给定直方图的反向投影。

下面上代码：

一下是计算灰度图像直方图的类：

[cpp]  view plain copy
  1. #if!defined HISTOGRAM  
  2. #define HISTOGRAM  
  3.   
  4. #include <opencv2/core/core.hpp>  
  5. #include <opencv2/imgproc/imgproc.hpp>  
  6. #include <iostream>  
  7.   
  8. using namespace std;  
  9. using namespace cv;  
  10.   
  11.   
  12. class Histogram1D  
  13. {  
  14. private:  
  15.       
  16.     //直方图的点数  
  17.     int histSize[1];  
  18.     //直方图的范围  
  19.     float hranges[2];  
  20.     //指向该范围的指针  
  21.     const float* ranges[1];  
  22.     //通道  
  23.     int channels[1];  
  24.       
  25.   
  26. public:  
  27.     //构造函数  
  28.     Histogram1D()  
  29.     {  
  30.          histSize[0] = 256;  
  31.          hranges[0] = 0.0;  
  32.          hranges[1] = 255.0;  
  33.          ranges[0] = hranges;  
  34.          channels[0] = 0;  
  35.   
  36.     }  
  37.   
  38.     Mat getHistogram(const Mat &image)  
  39.     {  
  40.         Mat hist;  
  41.         //计算直方图函数  
  42.         //参数为：源图像（序列）地址，输入图像的个数，通道数，掩码，输出结果，直方图维数，每一维的大小，每一维的取值范围  
  43.         calcHist(&image,1,channels,Mat(),hist,1,histSize,ranges);  
  44.         //这个函数虽然有很多参数，但是大多数时候，只会用于灰度图像或者彩色图像  
  45.         //但是，允许通过指明一个多通道图像使用多幅图像  
  46.         //第6个参数指明了直方图的维数  
  47.         return hist;  
  48.     }  
  49.   
  50.     Mat getHistogramImage(const Mat &image)  
  51.     {  
  52.         //首先计算直方图  
  53.         Mat hist = getHistogram(image);  
  54.   
  55.         //获取最大值和最小值  
  56.         double maxVal = 0;  
  57.         double minVal = 0;  
  58.         //minMaxLoc用来获得最大值和最小值,后面两个参数为最小值和最大值的位置，0代表不需要获取  
  59.         minMaxLoc(hist,&minVal,&maxVal,0,0);  
  60.         //展示直方图的画板：底色为白色  
  61.         Mat histImg(histSize[0],histSize[0],CV_8U,Scalar(255));  
  62.   
  63.         //将最高点设为bin总数的90%  
  64.         //int hpt = static_cast<int>(0.9*histSize[0]);  
  65.         int hpt = static_cast<int>(histSize[0]);  
  66.         //为每一个bin画一条线  
  67.         for(int h = 0; h < histSize[0];h++)  
  68.         {  
  69.             float binVal = hist.at<float>(h);  
  70.             int intensity = static_cast<int>(binVal*hpt/maxVal);  
  71.             //int intensity = static_cast<int>(binVal);  
  72.             line(histImg,Point(h,histSize[0]),Point(h,histSize[0]-intensity),Scalar::all(0));  
  73.               
  74.         }  
  75.         return histImg;  
  76.     }  
  77.   
  78.     Mat applyLookUp(const Mat& image,const Mat& lookup)  
  79.     {  
  80.         Mat result;  
  81.         LUT(image,lookup,result);  
  82.         return result;  
  83.     }  
  84.   
  85.   
  86.     Mat strech(const Mat &image,int minValue = 0)  
  87.     {  
  88.         //首先计算直方图  
  89.         Mat hist = getHistogram(image);  
  90.         //左边入口  
  91.         int imin = 0;  
  92.         for(;imin< histSize[0];imin++)  
  93.         {  
  94.             cout<<hist.at<float>(imin)<<endl;  
  95.             if(hist.at<float>(imin) > minValue)  
  96.                 break;  
  97.   
  98.         }  
  99.         //右边入口  
  100.         int imax = histSize[0]-1;  
  101.         for(;imax >= 0; imax--)  
  102.         {  
  103.             if(hist.at<float>(imax) > minValue)  
  104.                 break;  
  105.         }  
  106.   
  107.         //创建查找表  
  108.         int dim(256);  
  109.         Mat lookup(1,&dim,CV_8U);  
  110.           
  111.         for(int i = 0; i < 256; i++)  
  112.         {  
  113.             if(i < imin)  
  114.             {  
  115.                 lookup.at<uchar>(i) = 0;  
  116.             }  
  117.             else if(i > imax)  
  118.             {  
  119.                 lookup.at<uchar>(i) = 255;  
  120.             }  
  121.             else  
  122.             {  
  123.                 lookup.at<uchar>(i) = static_cast<uchar>(255.0*(i-imin)/(imax-imin)+0.5);  
  124.             }  
  125.         }  
  126.         Mat result;  
  127.         result = applyLookUp(image,lookup);  
  128.         return result;  
  129.   
  130.     }  
  131.     Mat equalize(const Mat &image)  
  132.     {  
  133.         Mat result;  
  134.         equalizeHist(image,result);  
  135.         return result;  
  136.     }  
  137.   
  138. };  
  139.   
  140. #endif  

 

下面的类是计算彩色图像的直方图：

[cpp]  view plain copy
  1. #if!defined COLORHISTOGRAM  
  2. #define COLORHISTOGRAM  
  3.   
  4. #include <opencv2/core/core.hpp>  
  5. #include <opencv2/imgproc/imgproc.hpp>  
  6.   
  7. using namespace cv;  
  8.   
  9. class ColorHistogram  
  10. {  
  11. private:  
  12.     int histSize[3];  
  13.     float hranges[2];  
  14.     const float* ranges[3];  
  15.     int channels[3];  
  16. public:  
  17.   
  18.     //构造函数  
  19.     ColorHistogram()  
  20.     {  
  21.         histSize[0]= histSize[1]= histSize[2]= 256;  
  22.         hranges[0] = 0.0;  
  23.         hranges[1] = 255.0;  
  24.         ranges[0] = hranges;  
  25.         ranges[1] = hranges;  
  26.         ranges[2] = hranges;  
  27.         channels[0] = 0;  
  28.         channels[1] = 1;  
  29.         channels[2] = 2;  
  30.     }  
  31.   
  32.     //计算彩色图像直方图  
  33.     Mat getHistogram(const Mat& image)  
  34.     {  
  35.         Mat hist;  
  36.   
  37.         //BGR直方图  
  38.         hranges[0]= 0.0;      
  39.         hranges[1]= 255.0;  
  40.         channels[0]= 0;   
  41.         channels[1]= 1;   
  42.         channels[2]= 2;   
  43.   
  44.         //计算  
  45.         calcHist(&image,1,channels,Mat(),hist,3,histSize,ranges);  
  46.         return hist;  
  47.     }  
  48.   
  49.     //计算颜色的直方图  
  50.     Mat getHueHistogram(const Mat &image)  
  51.     {  
  52.         Mat hist;  
  53.         Mat hue;  
  54.         //转换到HSV空间  
  55.         cvtColor(image,hue,CV_BGR2HSV);  
  56.   
  57.         //设置1维直方图使用的参数  
  58.         hranges[0] = 0.0;  
  59.         hranges[1] = 180.0;  
  60.         channels[0] = 0;  
  61.         //计算直方图  
  62.         calcHist(&hue,1,channels,Mat(),hist,1,histSize,ranges);  
  63.         return hist;  
  64.   
  65.     }  
  66.   
  67.     //减少颜色  
  68.     Mat colorReduce(const Mat &image,int div = 64)  
  69.     {  
  70.         int n = static_cast<int>(log(static_cast<double>(div))/log(2.0));  
  71.         uchar mask = 0xFF<<n;  
  72.         Mat_<Vec3b>::const_iterator it = image.begin<Vec3b>();  
  73.         Mat_<Vec3b>::const_iterator itend = image.end<Vec3b>();  
  74.         //设置输出图像  
  75.         Mat result(image.rows,image.cols,image.type());  
  76.         Mat_<Vec3b>::iterator itr = result.begin<Vec3b>();  
  77.         for(;it != itend;++it,++itr)  
  78.         {  
  79.             (*itr)[0] = ((*it)[0]&mask) + div/2;  
  80.             (*itr)[1] = ((*it)[1]&mask) + div/2;  
  81.             (*itr)[2] = ((*it)[2]&mask) + div/2;  
  82.         }  
  83.         return result;  
  84.     }  
  85.   
  86. };  
  87.   
  88.   
  89. #endif  


这里面使用colorReduce函数减少了彩色图像的颜色。在计算彩色图像直方图类中，还包括了一个计算HSV空间中hue分量的直方图的函数。它在主函数中会使用到

有了计算直方图的函数，我们再看计算反向投影直方图的类：

[cpp]  view plain copy
  1. #if!defined CONTENTFINDER  
  2. #define CONTENTFINDER  
  3.   
  4. #include <opencv2/core/core.hpp>  
  5. #include <opencv2/highgui/highgui.hpp>  
  6. #include <opencv2/imgproc/imgproc.hpp>  
  7.   
  8. using namespace cv;  
  9.   
  10. class ContentFinder  
  11. {  
  12. private:  
  13.     float hranges[2];  
  14.     const float* ranges[3];  
  15.     int channels[3];  
  16.     float threshold;  
  17.     Mat histogram;  
  18. public:  
  19.     ContentFinder():threshold(-1.0f)  
  20.     {  
  21.         //所有通道的范围相同  
  22.         ranges[0] = hranges;  
  23.         ranges[1] = hranges;   
  24.         ranges[2] = hranges;  
  25.     }  
  26.   
  27.     //设置门限参数[0,1]  
  28.     void setThreshold(float t)  
  29.     {  
  30.         threshold = t;  
  31.     }  
  32.   
  33.     //获取门限参数  
  34.     float getThreshold()  
  35.     {  
  36.         return threshold;  
  37.     }  
  38.   
  39.     //设置参考的直方图  
  40.     void setHistogram(const Mat& h)  
  41.     {  
  42.         histogram = h;  
  43.         normalize(histogram,histogram,1.0);  
  44.     }  
  45.   
  46.     //简单的利用反向投影直方图寻找  
  47.     Mat find(const Mat& image)  
  48.     {  
  49.         Mat result;  
  50.         hranges[0] = 0.0;  
  51.         hranges[1] = 255.0;  
  52.         channels[0] = 0;  
  53.         channels[1] = 1;  
  54.         channels[2] = 2;  
  55.   
  56.         calcBackProject(&image,1,channels,histogram,result,ranges,255.0);  
  57.         if (threshold>0.0)  
  58.         {  
  59.             cv::threshold(result, result, 255*threshold, 255, cv::THRESH_BINARY);  
  60.         }  
  61.   
  62.         return result;  
  63.     }  
  64.   
  65.     //复杂的利用反向投影直方图，增加了一些参数  
  66.     Mat find(const Mat &image,float minValue,float maxValue,int *channels,int dim)  
  67.     {  
  68.         Mat result;  
  69.         hranges[0] = minValue;  
  70.         hranges[1] = maxValue;  
  71.         for(int i = 0;i < dim;i++)  
  72.         {  
  73.             this->channels[i] = channels[i];  
  74.         }  
  75.         calcBackProject(&image,1,channels,histogram,result,ranges,255.0);  
  76.         if(threshold >0.0)  
  77.             cv::threshold(result,result, 255*threshold,255,THRESH_BINARY);  
  78.         return result;  
  79.   
  80.     }  
  81. };  
  82. #endif  

 

其中的两个函数的区别在于一个计算的指定范围内的反向投影直方图。

最后我们看看主函数：

[cpp]  view plain copy
  1. #include "contentFinder.h"  
  2. #include "histogram.h"  
  3. #include "colorhistogram.h"  
  4.   
  5. int main()  
  6. {  
  7.       
  8.     //读取图像  
  9.     Mat image = imread("D:/picture/images/waves.jpg",0);  
  10.     if(!image.data)  
  11.         return -1;  
  12.   
  13.   
  14.     //定义感兴趣区域  
  15.     Mat imageROI = image(Rect(360,55,40,50));   
  16.   
  17.     //利用前面设计好的类计算感兴趣区域的直方图  
  18.     Histogram1D h;  
  19.     Mat hist = h.getHistogram(imageROI);  
  20.   
  21.     //创建一个ContentFinder对象  
  22.     ContentFinder finder;  
  23.     finder.setHistogram(hist);  
  24.     finder.setThreshold(-1.0f);  
  25.     //获取反向投影  
  26.     Mat result1;  
  27.     result1 = finder.find(image);  
  28.     Mat tmp;  
  29.     result1.convertTo(tmp,CV_8U,-1.0,255.0);  
  30.     imshow("反向投影结果",tmp);  
  31.   
  32.     //获取二值反向投影  
  33.     finder.setThreshold(0.12f);  
  34.     result1 = finder.find(image);  
  35.     imshow("灰度图像检测结果（1）",result1);  
  36.   
  37.     //给源图像加上矩形框  
  38.     rectangle(image,Rect(360,55,40,50),Scalar(0,0,0));  
  39.     imshow("源图像",image);  
  40.   
  41.   
  42.     //换一幅图像：这幅图像中也有大量云彩  
  43.     Mat image2 = imread("D:/picture/images/dog.jpg",0);  
  44.       
  45.     Mat result2 = finder.find(image2);  
  46.     imshow("灰度图像检测结果（2）",result2);  
  47.       
  48. //**************以上检测因为没有用到颜色信息，所以效果很差**************  
  49.   
  50.   
  51.     //获取彩色直方图  
  52.     //读取彩色图像  
  53.     ColorHistogram hc;  
  54.     Mat color = imread("D:/picture/images/waves.jpg");  
  55.     imshow("源图像（1）",color);  
  56.     //为了减少计算量，使用colorReduce函数  
  57.     color = hc.colorReduce(color,32);  
  58.       
  59.   
  60.     //定义感兴趣区域:云彩  
  61.     imageROI = color(Rect(0,0,165,75));  
  62.   
  63.     //获取直方图  
  64.     Mat shist = hc.getHistogram(imageROI);  
  65.     finder.setHistogram(shist);  
  66.     finder.setThreshold(0.05f);  
  67.   
  68.     //获取反向投影直方图  
  69.     result1 = finder.find(color);  
  70.     imshow("彩色图像检测结果（1）",result1);  
  71.   
  72.   
  73.     //读取第二幅图像并检测  
  74.     Mat color2 = imread("D:/picture/images/dog.jpg");  
  75.     imshow("源图像（2）",color2);  
  76.     color2 = hc.colorReduce(color2,32);  
  77.     result2 = finder.find(color2);  
  78.     imshow("彩色图像检测结果（2）",result2);  
  79.   
  80. //***************以上结果因为考虑了颜色信息，所以效果比较好*********************  
  81.   
  82.     //仅考虑色度信息，构成直方图，进行反向投影检测  
  83.     color = imread("D:/picture/images/waves.jpg");  
  84.     imageROI = color(Rect(0,0,165,75));  
  85.     Mat colorhist = hc.getHueHistogram(imageROI);  
  86.     finder.setHistogram(colorhist);  
  87.     finder.setThreshold(0.3f);  
  88.     Mat hsv;  
  89.     cvtColor(color,hsv,CV_BGR2HSV);  
  90.     int ch[2]={1,2};  
  91.     ch[0] = 0;  
  92.     result1 = finder.find(hsv,0.0f,180.0f,ch,1);  
  93.     imshow("使用色度的结果（1）",result1);  
  94.   
  95.     //换一幅图片  
  96.     color2 = imread("D:/picture/images/dog.jpg");  
  97.     cvtColor(color2,hsv,CV_BGR2HSV);  
  98.     result2 = finder.find(hsv,0.0f,180.0f,ch,1);  
  99.     imshow("使用色度检测结果（2）",result2);  
  100.     waitKey(0);  
  101.     return 0;  
  102. }  


在主函数中，我们对几种法相投影直方图的方法进行了对比：

只用灰度图像的直方图；用彩色图像直方图；以及HSV空间中色图像检索。


转自：http://blog.csdn.net/thefutureisour/article/details/7554716

OneBaBa
关注
专栏目录
我的OpenCV学习笔记（15）：利用反向投影直方图查找特定的内容
thefutureisour的专栏
05-10 1万+
什么是反向投影直方图呢？简单的说在灰度图像的每个点（x，y），用它对应的直方图的bin的值（就是有多少像素落在bin内）来代替它。所以·如果这个bin的值比较大，那么反向投影显示的结果会比较亮，否则就比较暗。 从统计学的角度，反输出图像象素点的值是观测数组在某个分布（直方图）下的的概率。 所以加入我们已经得到了一个物体的直方图，我们可以计算它在另一幅图像中的反向投影，来判断这幅图像中是否有该物
OpenCV4学习笔记（11）——直方图反向投影
邱小兵的博客
03-01 475
本次要整理的内容仍然是与直方图相关的操作，分别是直方图反向投影，和基于直方图反向投影的简易视频实时追踪。这两个部分的内容是息息相关的，第一部分是基础知识点，而第二部分是在此基础知识上的应用，首先开始整理直方图反向投影的内容。 直方图反向投影 从之前的笔记中我们已经了解到直方图是一幅图像的像素统计，那么其中必然会包含图像的某些信息，而且针对图像中的某一特定区域，其统计信息肯定在整体的直方图中也会有...
opencv2 反向投影直方图检测特定图像内容
无左无右的博客
03-25 1305
什么是backproject？ 反向投影：opencv docs给出的概念是“一种记录给定图像中的像素点如何适应直方图模型像素分布的方式。简单的讲， 所谓反向投影就是首先计算某一特征的直方图模型，然后使用模型去寻找图像中存在的该特征。” 第一句讲的是backproject的算法实质，但是不好理解，第二句好理解，但是只是重点讲了backproject的应用。 两句都提到了直方
利用反向投影直方图查找特定的内容
gududeyhc的专栏
06-25 849
http://blog.csdn.net/thefutureisour/article/details/7554716#comments 什么是反向投影直方图呢？简单的说在灰度图像的每个点（x，y），用它对应的直方图的bin的值（就是有多少像素落在bin内）来代替它。所以·如果这个bin的值比较大，那么反向投影显示的结果会比较亮，否则就比较暗。 从统计学的角度，反输出图像象素点的值是观测数
Opencv2.4学习：：根据直方图匹配原图像-----直方图反向投影
dieju8330的博客
09-08 358
书中的解释有些晦涩难懂，下面利用摘自 https://blog.csdn.net/marshwb/article/details/21329063  进行通俗解释： 1.反向投影的作用是什么？     反向投影用于在输入图像（通常较大）中查找特定图像（通常较小或者仅1个像素，以下将其称为模板图像）最匹配的点或者区域，也就是定位模板图像出现在输入图像的位置。2.反向投影如何查找（工作）？  ...
python OpenCV学习笔记直方图反向投影的实现
12-23
本文介绍了python OpenCV学习笔记直方图反向投影的实现，分享给大家，具体如下： 官方文档 – https://docs.opencv.org/3.4.0/dc/df6/tutorial_py_histogram_backprojection.html 它用于图像分割或寻找图像中感兴趣...
【opencv学习笔记 14 直方图的反向投影】calcBackProject()函数的使用
12-21
在OpenCV库中，直方图的反向投影（Back Projection）是一种强大的图像处理技术，常用于目标检测或图像匹配。直方图反向投影的基本思想是，通过比较目标图像和样本图像的直方图，找出目标图像中与样本图像特征最接近...
OpenCV之彩色直方图反向投影（图像相似性检测）
每一刻都是崭新的
01-27 3392
前面已经介绍了如何使用灰度直方图进行图像相似性检测的方法，但从测试结果来看结果并不令人满意，相关实现和测试结果请见我的另一篇Blog ：http://blog.csdn.net/forthcriminson/article/details/8543781        现在我们考虑利用图像的色彩信息来对其进行优化，简单的理解就是只有在图像3个通道都具有一定相似性的位置，才认为两者是相似的，利用O
OpenCV—反向投影直方图检测特定图像内容
iracer的博客
10-01 5226
本文为Opencv计算机视觉编程攻略（第二版）学习笔记，介绍了反向投影直方图检测图像中的特定内容。本文包括自己整理和分解的笔记、示例程序的实现方法以及一些体会。分别使用1维灰度直方图和3维彩色直方图反向投影检测图像中的特定内容，给出了实验结果。另外，讨论了不同bin个数度检测的影响，以及实验在不同的色彩空间的测试结果。
基于颜色直方图的粒子滤波目标跟踪（hsv通道）
12-01
基于颜色直方图的粒子滤波目标跟踪（hsv通道），可处理短时遮挡
Opencv绘制HSV颜色直方图
17岁boy的博客
03-28 9862
一. 使用Opencv绘制HSV颜色直方图所用的函数cvCvtColor可在： 使用Opencv将RGB颜色空间转换到HSV颜色空间/灰度图文章中查找相关介绍所使用的结构体：CvHistogram 以及函数：cvCalcHistCvCreateHistcvGetMinMaxHistValuecvConvertScalecvReleaseHist可在： 使用Opencv绘制灰度直方图/对比文章中...
opencv图像处理（三）直方图显示与反向投影
qq_43222384的博客
04-04 310
“”“计算并显示直方图”"" cv2.calcHist() import cv2 import numpy as np def calcAndDrawHist(image, color): hist = cv2.calcHist([image], [0], None, [256], [0, 255]) minVal, maxVal, minLoc, maxLoc = cv2.minMaxLoc(h...
OpenCV入门(二十四)-- 图块的反向投影
thystar的专栏
11-12 1427
CalcBackProjectPatch 用直方图比较来定位图像中的模板 void cvCalcBackProjectPatch( IplImage** image, CvArr* dst, CvSize patch_size, CvHistogram* hist, int
OpenCV中直方图反向投影算法详解与实现
lbaihao的专栏
06-14 971
OpenCV中直方图反向投影算法详解与实现 一：直方图交叉 OpenCV中直方图反向投影算法实现来自一篇论文《Indexing Via Color Histograms》其作者有两位、是Michael.J.Swain与Dana H. Ballard。论文分为两个部分，前面一部分详细描述了颜色直方图以及通过颜色直方图交叉来实现对象鉴别。可以实现对象背景区分、复杂场景中查找对象、不同光照条
【opencv】直方图4：直方图反投影（利用颜色直方图查找感兴趣对象）
dujuancao11的博客
01-12 282
利用颜色直方图查找感兴趣对象：计算出属于感兴趣区域的每个像素的概率并将其显示出来。在适当的阈值下产生的输出使我们仅获得感兴趣区域（个人理解适应与颜色对比明显的感兴趣区域提取）。
OpenCV中泛洪填充算法解析与应用
小白学视觉
04-04 1735
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达 本文转自：opencv学堂泛洪填充(Flood Fill)很多时候国内的开发者称它为漫水填充，该算...
opencv图像处理学习（十九）——直方图的反向投影
图像学习之旅
03-31 701
直方图的反向投影是利用直方图模型计算给定图像像素点的特征。反向投影在某一位置的值是源图像在对应位置的像素值的累计。反向投影操作可实现检测输入源图像给定图像块的最匹配区域，一般可用于基于图像内容的检索或查找特定的内容。对于原始灰度图像f(x,y)，计算相应的灰度直方图时，可利用直方图变换bin来计算相应的反向投影。bin越大，反向投影显示的结果就越大。 对于灰度图像矩阵： 求其灰度直方图时，...
直方图反向投影的作用
小米的修行之路
01-16 4739
我们先通过一幅图来理解反向投影：图片来源点击打开链接 这副图的箭头表示了反向投影过程：直方图—>反向投影图像。 反向投影的作用是什么呢？Opencv中文网站这样说：所谓反向投影就是首先计算某一特征的直方图模型，然后使用模型去寻找图像中存在的该特征。 更通俗一点，反向投影可以通过颜色直方图来理解，我们检测图像中某个像素点的颜色是否位于直方图中，如果位于则将颜色加亮，通过对图像的...
OpenCV3/C++直方图反向投影教程与实例
"这篇教程介绍了如何使用OpenCV3和C++进行直方图反向投影，旨在帮助读者理解并实现这一图像处理技术。" 在计算机视觉领域，直方图反向投影（Histogram Back Projection）是一种重要的图像分析技术，用于根据预定义...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值