OpenCV直方图-反投影

反投影用于图像分割或在图像中查找感兴趣的对象。

1.利用Numpy实现

• 首先，需要计算要查找的对象（使其为“ M”）和要搜索的图像（使其为“ I”）的颜色直方图
• 求出比值R = M/I。然后反向投影R，即使用R作为调色板，并以每个像素作为其对应的目标概率创建一个新图像。即B(x,y) = R[h(x,y),s(x,y)。其中h是色调，s是像素在(x，y)的 饱和度。之后，应用条件B(x,y) =min[B(x,y), 1]
• 对B应用卷积，内核使用圆盘内核
• 现在最大强度的位置给了我们物体的位置。如果期望图像中有一个区域，则对合适的值进行阈值处理将获得不错的结果

代码示例：

import numpy as np
import cv2 as cv
#roi是我们需要找到的对象或对象区域
roi = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\roi.jpg')
hsv = cv.cvtColor(roi,cv.COLOR_BGR2HSV) #目标是我们搜索的图像
target = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac14.jpg')
hsvt = cv.cvtColor(target,cv.COLOR_BGR2HSV)
# 使用calcHist查找直方图。也可以使用np.histogram2d完成
M = cv.calcHist([hsv],[0, 1], None, [180, 256], [0, 180, 0, 256] )
I = cv.calcHist([hsvt],[0, 1], None, [180, 256], [0, 180, 0, 256] )
np.seterr(divide='ignore',invalid='ignore')
R = M/I
h,s,v = cv.split(hsvt)
B = R[h.ravel(),s.ravel()]
B = np.minimum(B,1)
B = B.reshape(hsvt.shape[:2])
disc = cv.getStructuringElement(cv.MORPH_ELLIPSE,(5,5))
cv.filter2D(B,-1,disc,B)
B = np.uint8(B)
cv.normalize(B,B,0,255,cv.NORM_MINMAX)
ret,thresh = cv.threshold(B,50,255,0)
thresh = cv.merge((thresh,thresh,thresh))
res = cv.bitwise_and(target,thresh)
cv.namedWindow("prac", 0)
cv.imshow("prac", res)
cv.waitKey(0)
cv.destroyAllWindows()

2.利用OpenCV实现

主要使用calcBackProject()函数来实现。

calcBackProject(images, nimages, channels, hist, backProject, ranges, scale = 1, uniform = true)

参数如下：

• images：输入的图像（或图像集），它们需为相同深度（CV_8U 或 CV_32F）和相同尺寸，而通道数任意。
• nimages：输入图像个数。
• channels：需要统计图像的通道索引即第几个通道，第一幅图的通道索引可选范围 [0, images[0].channels() -1]，第二幅图的通道索引可选范围 [images[0].channels(), images[0].channels() + images[1].channels() - 1] 。以此类推。
• hist：输入的直方图。
• backProject：反向投影图像，需为单通道，并且和 images[0] 有相同的大小和深度。
• ranges：直方图中 x 轴的取值范围。
• scale：缩放因子，backProject [i][j] = scale * hist [images[k] [i][j]]，有默认值1。
• uniform：直方图是否均匀化的标识符，有默认值 true。

计算步骤：

• 首先找到物体的直方图
• 然后对直方图进行归一化，再传递给backproject函数，最后函数返回概率图像
• 然后用圆盘内核对图像进行卷积并应用阈值。

代码示例：

import numpy as np
import cv2 as cv
roi = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\roi.jpg')
hsv = cv.cvtColor(roi,cv.COLOR_BGR2HSV)
target = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac14.jpg')
hsvt = cv.cvtColor(target,cv.COLOR_BGR2HSV)
# 计算对象的直方图
roihist = cv.calcHist([hsv],[0, 1], None, [180, 256], [0, 180, 0, 256] )
# 直方图归一化并利用反传算法
cv.normalize(roihist,roihist,0,255,cv.NORM_MINMAX)
dst = cv.calcBackProject([hsvt],[0,1],roihist,[0,180,0,256],1)
# 用圆盘进行卷积
disc = cv.getStructuringElement(cv.MORPH_ELLIPSE,(5,5))
cv.filter2D(dst,-1,disc,dst)
# 应用阈值作与操作
ret,thresh = cv.threshold(dst,50,255,0)
thresh = cv.merge((thresh,thresh,thresh))
res = cv.bitwise_and(target,thresh)
res = np.vstack((target,thresh,res))
cv.namedWindow("prac", 0)
cv.imshow("prac", res)
cv.waitKey(0)
cv.destroyAllWindows()