高斯反向投影实现检测图像中的特定物

最新推荐文章于 2021-12-03 13:38:35 发布

Java与Android技术栈

最新推荐文章于 2021-12-03 13:38:35 发布

阅读量387

点赞数

本文链接：https://blog.csdn.net/SLFq6OF5O7aH/article/details/78141344

版权

本文介绍了高斯反向投影在图像处理中的作用，作为检测图像中特定物的一种方法。通过基于高斯概率密度函数的反向投影，可以得到对象区域，实现简单的图像分割。算法实现包括计算像素权重比例、均值和标准方差，然后使用高斯公式计算反向投影图像。文章还提到了一个纯Java图像处理库cv4j及其开发者，并预告了接下来将开发模板匹配功能。

摘要由CSDN通过智能技术生成

高斯反向投影

在图像处理中，我们通常需要设置感兴趣的区域(ROI，region of interest)，来简化我们的工作。也就是从图像中选择的一个图像区域，这个区域是我们图像分析所关注的重点。

在上一篇文章图像相似度比较和检测图像中的特定物中，我们使用直方图反向投影的方式来获取ROI，在这里我们采用另一种方式高斯反向投影。它通过基于高斯的概率密度函数(PDF)进行估算，反向投影得到对象区域，该方法可以看成是最简单的图像分割方法。

随机变量X服从一个数学期望为μ、标准方差为σ2的高斯分布，记为：X∼N(μ,σ2), 则其概率密度函数为

其中，正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。

算法实现

输入模型M，对M的每个像素点（R,G,B）计算SUM=R+G+B r=R/SUM, g=G/SUM, b=B/SUM
根据得到权重比例值，计算得到对应的均值与标准方差
对输入图像的每个像素点计算根据高斯公式计算P(r)与P(g)的乘积
归一化之后输出结果，显示基于高斯分布概率密度函数的反向投影图像。

GaussianBackProjection的算法实现：

  
  
  
   import com.cv4j.core.datamodel.ByteProcessor;
   import com.cv4j.core.datamodel.ImageProcessor;
   import com.cv4j.exception.CV4JException;
   import com.cv4j.image.util.Tools;
   
   public class GaussianBackProjection {
        
   
       public void backProjection(ImageProcessor src, ImageProcessor model, ByteProcessor dst) {
         
           if(src.getChannels() == 1 || model.getChannels() == 1) {
         
               throw new CV4JException("did not support image type : single-channel...");
           }
           float[] R = model.toFloat(0);
           float[] G = model.toFloat(1);
           int r = 0, g = 0, b = 0;
           float sum = 0;