opencv中图像直方图常见操作之直方图反向投影（三）

图像直方图常见操作（一）：https://blog.csdn.net/qq_37120369/article/details/104792427

图像直方图常见操作（二）：https://blog.csdn.net/qq_37120369/article/details/104802821

直方图反向投影(Back Projection)的原理：

参考https://blog.csdn.net/michaelhan3/article/details/73550643

直方图反向投影作用：

如果两幅图的反向投影矩阵相似或相同，那么我们就可以判定这两幅图这个特征是相同的，区别于判断相似度，相似度参考https://blog.csdn.net/qq_37120369/article/details/104802821

直方图反向投影步骤及API：

1.加载图片imread

2.将图像从RGB色彩空间转换到HSV色彩空间cvtColor

3.计算直方图和归一化calcHist与normalize

4.计算反向投影图像 - calcBackProject

API：

void cv::calcBackProject    (  

        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，每一幅图像都可以有任意的通道数 
        int  nimages, //输入图像个数
        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
        InputArray  hist, //输入的直方图
        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
    )；

void mixChannels(  //主要就是把输入的矩阵（或矩阵数组）的某些通道拆分复制给对应的输出矩阵（或矩阵数组）的某些通道中

const Mat* src, //输入矩阵

size_t nsrcs, //输入矩阵个数

       Mat* dst, //输出矩阵

size_t ndsts,//输出矩阵个数，

const int* fromTo, //通道数组

size_t npairs //有几组输入输出通道关系，其实就是前一个参数的数组元素个数除以2

);

例程：

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
using namespace std;
using namespace cv;

Mat src,hsv,hue; 
int bins = 12;
void Hist_And_Backprojection(int, void*);
int main(int argc, char** argv) {
	src = imread("C:\\Users\\Administrator\\Pictures\\timsa.jpg");
	if (src.empty()) {
		printf("could not load image...\n");
		return -1;
	}
	cvtColor(src, hsv, CV_BGR2HSV);
	
    hue.create(hsv.size(), hsv.depth());
	int nchannels[] = { 0, 0 };
    //mixChannels主要就是把输入的矩阵（或矩阵数组）的某些通道拆分复制给对应的输出矩阵（或矩阵数组）的某些通道中
    /*  参数：
        输入矩阵，
        输入矩阵个数，
        输出矩阵，
        输出矩阵个数，
        通道数组，
        有几组输入输出通道关系，其实就是前一个参数的数组元素个数除以2
    */
	mixChannels(&hsv, 1, &hue, 1, nchannels, 1);


    namedWindow("input image", CV_WINDOW_NORMAL);
	namedWindow("BackProj", CV_WINDOW_NORMAL);
	namedWindow("Histogram", CV_WINDOW_NORMAL);

	createTrackbar("Histogram Bins:", "input image", &bins, 45, Hist_And_Backprojection);
	Hist_And_Backprojection(0, 0);

	imshow("input image", src);
	waitKey(0);
	return 0;
}

void Hist_And_Backprojection(int, void*) {
	float range[] = { 0, 180 };//每个维度中像素范围，一般是[0,256]
	const float *histRanges = { range };
	Mat h_hist;//直方图图像
	calcHist(&hue, 1, 0, Mat(), h_hist, 1, &bins, &histRanges, true, false);
	normalize(h_hist, h_hist, 0, 255, NORM_MINMAX, -1, Mat());

	Mat backPrjImage;//反向投影输出的图像
	calcBackProject(&hue, 1, 0, h_hist, backPrjImage, &histRanges, 1, true);
	imshow("BackProj", backPrjImage);

	int hist_h = 400;
	int hist_w = 400;
	Mat histImage(hist_w, hist_h, CV_8UC3, Scalar(0, 0, 0));
	int bin_w = (hist_w / bins);
    
	for (int i = 1; i < bins; i++) {
		rectangle(histImage, 
			Point((i - 1)*bin_w, (hist_h - cvRound(h_hist.at<float>(i - 1) * (400 / 255)))),
			//Point(i*bin_w, (hist_h - cvRound(h_hist.at<float>(i) * (400 / 255)))),
			Point(i*bin_w, hist_h),
			Scalar(0, 0, 255), -1);
	}
	imshow("Histogram", histImage);

	return;
}