一、定义
反向投影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。
例如, 你有一个肤色直方图 ( Hue-Saturation 直方图 ),你可以用它来寻找图像中的肤色区域:
利用直方图特征,寻找图像中符合该特征的定义部分。
二、操作
设有原灰度图像矩阵:
Image=
1 2 3 4
5 6 7 7
9 8 0 1
5 6 7 6
将灰度值划分为如下四个区间:
[0,2] [3,5] [6,7] [8,10]
很容易得到这个图像矩阵的直方图 hist=4 4 6 2
下来,计算反向投影矩阵(反向投影矩阵的大小和原灰度图像矩阵的大小相同):
原图相中坐标为(0,0)的灰度值为1,1位于区间[0,2]中,区间[0,2]对应的直方图值为4,所以反向投影矩阵中坐标为(0,0)的值记为4。按照这个方法,依次映射,即可得到image的直方图方向投影矩阵为:
back_Projection=
4 4 4 4
4 6 6 6
2 2 4 4
4 6 6 6
也就是,该反向投影矩阵越亮,和原图越相似。
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,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。模板图像取特征图像,如果取全图,部分图像不属于待查找的特征图像。
二、代码
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <iostream>
using namespace cv;
using namespace std;
/// 全局变量
Mat src; Mat hsv; Mat hue;
int bins = 25;
/// 函数申明
void Hist_and_Backproj(int, void* );
/** @函数 main */
int main( int argc, char** argv )
{
/// 读取图像
src = imread( argv[1], 1 );
/// 转换到 HSV 空间
cvtColor( src, hsv, CV_BGR2HSV );
/// 分离 Hue 通道
hue.create( hsv.size(), hsv.depth() );
int ch[] = { 0, 0 };
mixChannels( &hsv, 1, &hue, 1, ch, 1 );
&hsv: 一系列输入图像的数组, 被拷贝的通道的来源
1: 输入数组中图像的数目
&hue: 一系列目的图像的数组, 储存拷贝的通道
1: 目的数组中图像的数目
ch[] = {0,0}: 通道索引对的数组,指示如何将输入图像的某一通道拷贝到目的图像的某一通道。在这里,&hsv图像的Hue(0) 通道被拷贝到&hue图像(单通道)的0 通道。
1: 通道索引对德数目
/// 创建 Trackbar 来输入bin的数目
char* window_image = "Source image";
namedWindow( window_image, CV_WINDOW_AUTOSIZE );
createTrackbar("* Hue bins: ", window_image, &bins, 180, Hist_and_Backproj );
Hist_and_Backproj(0, 0);
/// 现实图像
imshow( window_image, src );
/// 等待用户反应
waitKey(0);
return 0;
}
/**
* @函数 Hist_and_Backproj
* @简介:Trackbar事件的回调函数
*/
void Hist_and_Backproj(int, void* )
{
MatND hist;
int histSize = MAX( bins, 2 );
float hue_range[] = { 0, 180 };
const float* ranges = { hue_range };
/// 计算直方图并归一化
calcHist( &hue, 1, 0, Mat(), hist, 1, &histSize, &ranges, true, false );
normalize( hist, hist, 0, 255, NORM_MINMAX, -1, Mat() );
/// 计算反向投影
MatND backproj;
calcBackProject( &hue, 1, 0, hist, backproj, &ranges, 1, true );
const Mat* images:输入图像,图像深度必须位CV_8U,CV_16U或CV_32F中的一种,尺寸相同,每一幅图像都可以有任意的通道数 int nimages:输入图像的数量 const int* channels:用于计算反向投影的通道列表,通道数必须与直方图维度相匹配,第一个数组的通道是从0到image[0].channels()-1,第二个数组通道从图像image[0].channels()到image[0].channels()+image[1].channels()-1计数 InputArray hist:输入的直方图,直方图的bin可以是密集(dense)或稀疏(sparse) OutputArray backProject:目标反向投影输出图像,是一个单通道图像,与原图像有相同的尺寸和深度 const float ranges**:直方图中每个维度bin的取值范围 double scale=1:可选输出反向投影的比例因子 bool uniform=true:直方图是否均匀分布(uniform)的标识符,有默认值true
/// 显示反向投影
imshow( "BackProj", backproj );
/// 显示直方图
int w = 400; int h = 400;
int bin_w = cvRound( (double) w / histSize );
Mat histImg = Mat::zeros( w, h, CV_8UC3 );
for( int i = 0; i < bins; i ++ )
{ rectangle( histImg, Point( i*bin_w, h ), Point( (i+1)*bin_w, h - cvRound( hist.at<float>(i)*h/255.0 ) ), Scalar( 0, 0, 255 ), -1 ); }
imshow( "Histogram", histImg );
}