OPENCV 反向投影的理解

最新推荐文章于 2024-08-16 09:49:21 发布

行者1011

最新推荐文章于 2024-08-16 09:49:21 发布

阅读量2.4k

点赞数

分类专栏： opencv学习

opencv学习专栏收录该内容

25 篇文章 0 订阅

订阅专栏

用反向投影, 基于块的反向投影和模板匹配寻找目标物体
*1)要可视化反向投影结果,则不能用归一化直方图, 因为结果图像中的值就是hist相应bin的值
*2)匹配结果很好,但是计算时间太长! 不能接受
*3) 注意三个函数处理后的结果图像的大小和位数. back_project的结果图必须是8bit,不能是32; block反向投影的结果图必须是浮点; 模板比配的结果图,8bit 或者浮点都可以;

*4) 注意不同比配方法得到的值解释不同;如CHISQR方法中最小值为最佳匹配; CCOEFF方法,最大值表示最佳匹配

http://blog.sina.com.cn/s/blog_a98e39a201012bki.html

什么是反向投影：

简单的说：用输入图像的某一位置上像素值（多维或灰度）对应在直方图的一个bin上的值来代替该像素值，所以得到的反向投影图是单通的。用统计学术语，输出图像象素点的值是观测数组在某个分布（直方图）下的概率。（参考自：http://blog.163.com/thomaskjh@126/blog/static/370829982010112810358501/）

应用举例：如果有一个肤色直方图，你可以用它来寻找其他图像中的肤色区域。

工作原理：

以下面的图片为例：

1.首先要获得模型图片的肤色直方图，比如下图：

左边是模型图，右边是H-S二维直方图

2.下面是测试图片及其H-S二维直方图

接下来要做的事情就是，举个例子：

例如灰度图像如下

Image=

0 1 2 3

4 5 6 7

8 9 10 11

8 9 14 15

该灰度图的直方图为（bin指定的区间为[0,3)，[4,7)，[8,11)，[12,16)）

Histogram=

4 4 6 2

(3)反向投影图

Back_Projection=

4 4 4 4

6 6 6 6

6 6 2 2

例如位置(0,0)上的像素值为0，对应的bin为[0,3)，所以反向直方图在该位置上的值这个bin的值4。

用到的函数：

calcBackProject。

calcBackProject的输入为图像及其直方图，输出与待跟踪图像大小相同，每一个像素点表示该点为目标区域的概率。这个点越亮，该点属于物体的概率越大。

程序代码及注释：

（该代码是最简单的一维直方图，且模型图片也是本身，下回再研究如何用floodFill定义图片肤色区域的掩码，而不是整个图片的直方图，二维直方图已经在上一篇文章中实现）

// 047 反向投影.cpp : 定义控制台应用程序的入口点。
//

#include "stdafx.h"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include<iostream>
using namespace std;
using namespace cv;

/// 全局变量
Mat src; Mat hsv; Mat hue;
int bins = 25;

void Hist_and_Backproj(int, void* );

int _tmain(int argc, _TCHAR* argv[])
{
src=imread("hand_sample2.jpg");

/// 转换到 HSV 空间
cvtColor( src, hsv, CV_BGR2HSV );

  /// 分离 Hue 通道，mixChannels参数详细解释如下：
//&hsv: 输入图像的矩阵，被拷贝的通道的来源
//1: 输入数组中图像的数目
//&hue: 目的图像的矩阵，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0通道(即Hue通道)被拷贝到&hue图像(单通道)的0 通道。
//1: 通道索引对的数目
  hue.create( hsv.size(), hsv.depth() );          //创建单通道hue图像
  int ch[] = { 0, 0 };
  mixChannels( &hsv, 1, &hue, 1, ch, 1 );

  /// 创建 Trackbar 来输入bin的数目
  char* window_image = "Source image";
  createTrackbar("* Hue  bins: ", window_image, &bins, 180, Hist_and_Backproj );

  Hist_and_Backproj(0, 0);//用于第一次没有滑动滚动条的显示

namedWindow( window_image, CV_WINDOW_AUTOSIZE );
imshow( window_image, src );

waitKey(0);
return 0;
}

//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 );

/// 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 );
}

运行结果：