反向投影是反映直方图模型在目标图像中的分布情况。简单点说就是用直方图模型去目标图像中寻找是否有相似的对象。通常用HSV色彩空间的HS两个通道直方图模型。
反向投影——步骤:
1)建立直方图模型。
2)计算待测图像直方图并映射到模型中。
3)从模型反向计算生成图像。
API:
calcBackProject ( const Mat * images,
int nimages,
const int * channels,
InputArray hist,
OutputArray backProject,
const float ** ranges,
double scale = 1,
bool uniform = true
)
参数解释:
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
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
#include<opencv2/opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;
Mat src, hsv, hue;
int bins = 12;//直方图级数
void Hist_And_Backprojection(int, void *);//自定义函数构造直方图与反向投影
int main(int argc, char** argv)
{
src = imread("D:/studytest/lena.jpg");
if (src.empty())
{
printf("could not load image...\n");
return -1;
}
namedWindow("input image", CV_WINDOW_AUTOSIZE);
namedWindow("backproj", CV_WINDOW_AUTOSIZE);
namedWindow("histogram", CV_WINDOW_AUTOSIZE);
cvtColor(src, hsv, CV_BGR2HSV);//将RGB图像转换为HSV图像
hue.create(hsv.size(), hsv.depth());//创建一个hue图像,大小和深度与hsv图像一致
int nchannels[] = { 0,0 };
mixChannels(&hsv, 1, &hue, 1, nchannels, 1);//把输入图像的某个通道拆分复制给输出图像的某个通道中,其中的对应关系就由nchannels参数制定(输入图像的0通道到输出图像的0通道).
createTrackbar("Histogram Bins:", "input image", &bins, 180, 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 };
const float *histRanges = { range };
Mat h_hist;//计算直方图的值返回给h_hist
//直方图反向投影
calcHist(&hue, 1, 0, Mat(), h_hist,1, &bins, &histRanges, true, false);
normalize(h_hist, h_hist, 0, 255, NORM_MINMAX, -1, Mat());
Mat backProjImage;
calcBackProject(&hue, 1, 0, h_hist, backProjImage, &histRanges, 1, true);
imshow("backproj", backProjImage);
//直方图的绘制
int hist_h = 400;
int hist_w = 400;
Mat histImage(hist_w, hist_h, CV_8UC3, Scalar(0, 0, 0));//背景色设置为黑色
int bin_w = hist_w / bins;//横坐标的间隔大小
for (int i = 1; i < bins; i++)
rectangle(histImage, Point((i - 1)*bin_w, cvRound(hist_h - h_hist.at<float>(i - 1) * 400 / 255)), Point((i)*bin_w, cvRound(hist_h)), Scalar(0, 0, 255), -1);
imshow("histogram", histImage);
return;
}