学习opencv 使用反向块投影搜寻图像中的物体的位置 cvCalcBackProjectPatch

转载于：http://blog.csdn.net/fdl19881/article/details/6726438

前一篇讲了使用cvCalcBackProject 寻找 手 的肤色地方 

这一篇讲 在一幅图像中寻找 某个特定的小物体

步骤：

1.使用一幅只包含小物体的图片（图片大小和物体一样大即可， 不需要向上一篇同样大），计算其二维直方图 (HSV空间中的 h(亮度）和 s （饱和度) 二维直方图   (还可以和图像的梯度和(或)梯度角度结合起来，查找纹理相似　和(或)　颜色相似

2.输入一幅待搜索的图片， 转化为HSV空间 ,只取h 和 s 分量

3. 设置搜索块大小和物体大小相同（即和第1步中图片大小相同） ，使用cvCalcBackProjectPatch反向块投影 和图片result

4.在result中取最大值所在位置，即可得到物体在输入图片中的位置了。 (或者设定一个阈值）

示例程序如下：

[cpp]  view plain copy

1. #include <iostream>  
2. #include <cv.h>  
3. #include <highgui.h>  
4. #include <cxcore.h>  
5.   
6. using namespace std;  
7.   
8. void GetHSV(const IplImage *image,IplImage **h,IplImage **s,IplImage **v);  
9.   
10. int main()  
11. {  
12.     IplImage *src = cvLoadImage("f:\\images\\bluecup.jpg");  
13.     IplImage *h_src = NULL ,*s_src = NULL;  
14.     GetHSV(src,&h_src,&s_src,NULL);  
15.     IplImage *images[] = {h_src,s_src};  
16.     CvHistogram *hist_src;  
17.     {//计算二维直方图  
18.         int dims = 2;  
19.         int size[] = {30,32}; // 这个地方不要取的太大!  
20.         //当取为size[] = {180,256}时E7200CPU会运行长达10几分钟的！  
21.         float range_h[] = {0,180} //再用cvCvtColor转换时h已经归一化到180了  
22.             ,range_s[] = {0,256};  
23.         float *ranges[] = {range_h,range_s};  
24.         hist_src = cvCreateHist(dims,size,CV_HIST_ARRAY,ranges);  
25.         cvCalcHist(images,hist_src);  
26.         cvNormalizeHist(hist_src,1);  
27.     }  
28.   
29.     IplImage *dst = cvLoadImage("f:\\images\\adrian1.jpg");  
30.     IplImage *h_dst = NULL,*s_dst = NULL;  
31.     GetHSV(dst,&h_dst,&s_dst,NULL);  
32.     images[0] = h_dst ,images[1] = s_dst;   
33.   
34.     CvSize patch_size = cvSize(src->width,src->height);  
35.     IplImage *result = cvCreateImage(cvSize(h_dst->width - patch_size.width +1,h_dst->height - patch_size.height +1)  
36.         ,IPL_DEPTH_32F,1);//块搜索时处理边缘是直接舍去，故result的大小比dst小path_size大小  
37.     //32F类型，取值为0~1最亮为1，可直接显示  
38.     //CV_COMP_CORREL相关度，1时最匹配，0时最不匹配  
39.     cvCalcBackProjectPatch(images,result,patch_size,hist_src,CV_COMP_CORREL,1);  
40.     cvShowImage("result",result);  
41.       
42.     //找出最大值位置，可得到此位置即为杯子所在位置  
43.     CvPoint max_location;  
44.     cvMinMaxLoc(result,NULL,NULL,NULL,&max_location,NULL);  
45.     //加上边缘，得到在原始图像中的实际位置  
46.     max_location.x += cvRound(patch_size.width/2);  
47.     max_location.y += cvRound(patch_size.height/2);  
48.     //在dst图像中用红色小圆点标出位置  
49.     cvCircle(dst,max_location,3,CV_RGB(255,0,0),-1);  
50.   
51.     cvShowImage("dst",dst);  
52.     cvWaitKey();  
53.   
54.     cvReleaseImage(&src);  
55.     cvReleaseImage(&dst);  
56.     cvReleaseImage(&h_src);  
57.     cvReleaseImage(&h_dst);  
58.     cvReleaseImage(&s_dst);  
59.     cvReleaseImage(&s_src);  
60.     cvReleaseHist(&hist_src);  
61.     cvReleaseImage(&result);  
62.     cvDestroyAllWindows();  
63. }  
64.   
65. void GetHSV(const IplImage *image , IplImage **h,IplImage **s,IplImage **v)  
66. {  
67.     IplImage *hsv = cvCreateImage(cvGetSize(image),8,3);  
68.     cvCvtColor(image,hsv,CV_BGR2HSV);  
69.       
70.     if((h != NULL) && (*h == NULL))  
71.         *h = cvCreateImage(cvGetSize(image),8,1);  
72.     if((s != NULL) && (*s == NULL))  
73.         *s = cvCreateImage(cvGetSize(image),8,1);  
74.     if((v != NULL) && (*v == NULL))  
75.         *v = cvCreateImage(cvGetSize(image),8,1);  
76.   
77.   
78.     cvSplit(hsv,*h,(s == NULL)?NULL:*s,(v==NULL)?NULL:*v,NULL);  
79.     cvReleaseImage(&hsv);  
80. }  

第一步物体图片src刚好包含要搜索的物体：

第二步输入图像即待搜索的图像如下：

 

在我的E7200 CPU ， 1GB内存 上大概运行了20秒内吧，将size内的数应该可以再适当改的更小此，速度就会提高更多了

结果如下(见图中红色小圆圈标记出来）：

若待搜索的图片里有多个此物体，也是可以通过这种方法找出来的

产于cvCalcBackProjectPatch的大概意义 ，

按我的理解的话，应该是通过块窗口搜索图像，比较窗口中对应像素的二维直方图与给定直方图的差异，若完全相同，那当然就越匹配

对于不同的相关度方法，越匹配，其值由相关度方法而定，

如本程序使用的是

[cpp]  view plain copy

1. CV_COMP_CORREL  

即越相似，则值越接近1. 反之则趋于0

其实使用的时候还可以将图像的梯度考虑进去求解，

如求出图像的梯度+色彩的多维直方图,这样就能得搜索到一定纹理特征和颜色特征的物体了。

ps:此方法搜索是通过统计学特征相似度！和模板匹配法是不同的,各有个的用途

如果只是为了检测某个不变的实物,,还不如使用模板匹配函数,更快