OpenCV学习 day7 视频分析

最新推荐文章于 2024-08-18 15:51:50 发布

m0_71100223

最新推荐文章于 2024-08-18 15:51:50 发布

阅读量551

点赞数 6

分类专栏： opencv学习文章标签： opencv 学习

本文链接：https://blog.csdn.net/m0_71100223/article/details/140135740

版权

opencv学习专栏收录该内容

8 篇文章 0 订阅

订阅专栏

第九章

对输入轴帧实时处理，这可以为动态的机器或者设备提供动力，让设备监视周围的环境，寻找感兴趣的对象，运动，图案，颜色等等。我们只需要确保正确的将每一帧都读取到cv::Mat类实例中，然后作为一个又一个图像传递到这些函数中。本章学习MeanShift算法和CamShift算法来实现实时对象跟踪，并且继续对视频进行运动分析。背景/前景检测是也是本章学习的重点。

9.1 理解直方图

在灰度图像中，直方图图形就是表示在灰度图像中包含每个可能强度（0-255之间的值）的像素数量。在RGB彩色图像中，直方图可以是三个图，每个图表示包含所有可能的红色、绿色或者蓝色强度的像素数量，注意：像素值不一定表示颜色或强度值。例如在HSV(色调，饱和度，值)颜色空间的颜色图像中，直方图将包含色调、饱和度以及数值数据。

OpenCV中的直方图使用calcHist函数进行计算，并储存在Mat类中，使用以下参数：

images\input images：用来计算的图像

nimagess：第一个参数中的图像数量

channels：数组，包含用于计算直方图通道的索引号

mask：用来掩膜图像，以便只输入图像的一部分计算直方图，不需要则传入空Mat类

hist：是输出直方图，是Mat类，用计算的直方图填满

dims：直方图的维度 1-32之间取值

histSize：是包含的直方图每一维大小的数组，或者称为组的大小

ranges：数组的数组，包含每个通道值的范围

uniform：布尔标志，标记直方图是否均匀

accumulate：布尔标志，用于标记计算之前是否应该清除直方图

例子：

int bins = 256;

int channels[] = {0};

int histSize[] = { bins };

float rangeGray[] = {0,255};

const float* ranges[] = { rangeGray };

Mat histogram;

calcHist(&grayImg,

                1,         //number of images

channels,

Mat(),       //no masks, an empty Mat

histogram,

1,          //dimensionality

histSize,

ranges,

true, //uniform

false);         //not accumulate

使用下列代码绘制储存在这个Mat类中的每个值，输出将是柱状图中的直方图可视化：

将直方图中的每个值绘制为一个矩形，对每个矩形而言，左上角的点用图像的value变量和宽除以组（bin）数（即histSize）来计算。

double maxVal = 0;

minMaxLoc(histogram,

Q_NULLPTR, //don't need min

&maxVal,

Q_NULLPTR, //don't need index min

Q_NULLPTR); //don't need index max

outputImage.creat(640,        //any image width

360,      //any image height

CV_8UC(3));

outputImage = Scalar::all(128); //empty grayish image

Point p1(0,0),p2(0,outputImage.rows-1);

for(int i = 0; i < bins; i++){

float value = histogram.at<float>(1,0);

value = manVal - value; //invert

value = value / maxVal * outputImage.rows; //scale

p1.y = value;

        p2.x = float( i + 1) * float(outputImage.cols) //float( bins );

rectangle(outputImage,

p1,

p2,

Scalar::all(0),

CV_FILLED);

        p1.x = p2.x;

}

如何分割图像得到三个Mat类，每个类代表一个单独的通道：

vector<Mat> planes;

split(inputImage, planes);

9.2 理解反投影图像

可以使用直方图的反投影对图像进行修改。

//计算反投影

calcBackProject(&image,

1,

channels,

histogram,

backprojection,

ranges);

//对直方图结果标准化，否则反投影数值会溢出

normalize(histogram,

histogram,

0,

255,

NORM_MINMAX); // 将值控制在0-255

转换为HSV颜色空间

Mat hsvImg;

cvtColor(inputImage, hsvImg, CV_BGR2HSV);

9.2.1 直方图比较

使用calcHist函数计算出的两个直方图，可以通过使用compareHist方法进行相互比较，以找出二者之间的距离或者差异（散度），compareHist接受的参数：

HISTCMP_CORREL、HISTCMP_CHISQR、HISTCMP_INTERSECT、

HISTCMP_BHATTACHARYYA、HISTCMP_HELLINGER、HISTCMP_CHISQR_ALT、

HISTCMP_KLDIV

下面这个例子是使用现存方法来计算两张图像之间的差异：

Mat img1 = imread();

Mat img2 = imread();

float range[] = { 0, 255 };

const float* ranges[] = { range };

int bins[] = { 100 };

Mat hist1,hist2;

calcHist(&img1, 1, 0, Mat(), hist1, 1, bins, ranges );

calcHist(&img2, 1, 0, Mat(), hist2, 1, bins, ranges );

qDebug()<<compareHist(hist1, hist2, HISTCMP_CORREL);

qDebug()<<compareHist(hist1, hist2, HISTCMP_CHISQR);

qDebug()<<compareHist(hist1, hist2, HISTCMP_INTERSECT);

qDebug()<<compareHist(hist1, hist2, HISTCMP_BHATTACHARYYA);

qDebug()<<compareHist(hist1, hist2, HISTCMP_HELLINGER);

qDebug()<<compareHist(hist1, hist2, HISTCMP_KLDIV);

9.2.2 直方图均衡化

图像的直方图可以用来调整图像的亮度和对比度。OpenCV提供了称为equalizeHist的函数，他可以在内部计算一个给定图像的直方图，然后正则化此直方图，并计算直方图的积分(所有bin之和)，最后使用更新的直方图作为一个查找表来更新输入图像的像素，从而得到输入图像中的标准化亮度和对比度。