【OpenCV 例程200篇】51. 直方图处理之直方图反向追踪（cv2.calcBackProject）

youcans_

已于 2022-07-24 19:40:58 修改

阅读量4.6k

点赞数 4

分类专栏： # OpenCV例程-youcans 文章标签： opencv python 计算机视觉图像处理

于 2021-12-04 09:43:29 首次发布

本文链接：https://blog.csdn.net/youcans/article/details/121711396

版权

OpenCV例程-youcans 专栏收录该内容

261 篇文章 2273 订阅

订阅专栏

『youcans 的 OpenCV 例程300篇 - 总目录』

【OpenCV 例程200篇】51. 直方图处理之直方图反向追踪（cv2.calcBackProject）

图像直方图是反映图像像素分布的统计表。灰度直方图是图像灰度级的函数，用来描述每个灰度级在图像矩阵中的像素个数。

直方图反向投影（反向追踪）是一种在输入图像中查找与特定模板图像匹配最佳的点或区域的方法，可以对特定颜色物体、特定灰度物体进行查找、跟踪，常用于图像查找、图像分割。

直方图反向投影处理的原理，是计算某一特征的直方图模型，再使用该模型去寻找图像中存在的特征。

直方图反向投影处理的过程，首先建立模板区域的直方图，再将直方图投影到输入图像，计算输入图像中每个像素点的像素值与直方图匹配概率，得到概率图像并以一定阈值进行二值化处理。

直方图的反向投影利用直方图模型计算给定图像像素点的特征。反向投影在某一位置的值是源图像在对应位置的像素值的累计。反向投影操作可实现检测输入源图像给定图像的最匹配区域，可用于目标检测。

OpenCV 提供的函数 cv2.calcBackProject() 可以用来做直方图反向投影。

函数说明：

cv2.calcBackProject(images, channels, hist, ranges, scale[, dst]) → dst

参数说明：

images：颜色对比度的阈值，可选项，默认值 8
channels：计算反向投影的图像通道
hist：查找模板区域的直方图
ranges：每个维度中直方图单元边界的数组
scale：反向投影输出的缩放比例
返回值 dst：返回反向投影的输出图像

基本例程：1.64 直方图反向投影追踪

    # 1.64 直方图反向投影
    roi = cv2.imread("../images/BallFrag.png", flags=1)  # 查找的图像区域
    target = cv2.imread("../images/imgBall.png", flags=1)  # 被查找的目标图像

    hsvRoi = cv2.cvtColor(roi, cv2.COLOR_BGR2HSV)
    hsvTar = cv2.cvtColor(target, cv2.COLOR_BGR2HSV)

    histRoi = cv2.calcHist([hsvRoi], [0, 1], None, [180, 256], [0, 180, 0, 256])  # 计算目标直方图
    cv2.normalize(histRoi, histRoi, 0, 255, cv2.NORM_MINMAX)  # 归一化 ->[0,255]

    dst = cv2.calcBackProject([hsvTar], [0, 1], histRoi, [0, 180, 0, 256], 1)  # 反向投影
    disc = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))  # 定义椭圆结构形状
    imgConv = cv2.filter2D(dst, -1, disc)  # 图像卷积

    ret, thresh = cv2.threshold(imgConv, 100, 255, 0)  # 图像二值化处理，得到掩模模板
    imgTrack = cv2.bitwise_and(target, target, mask=thresh)  # 以 thresh 为掩模按位与，显示查找区域

    plt.figure(figsize=(10,6))
    plt.subplot(131), plt.imshow(cv2.cvtColor(target, cv2.COLOR_BGR2RGB)), plt.title("target image"), plt.axis('off')
    plt.subplot(132), plt.imshow(thresh, 'gray'), plt.title("tracking mask"), plt.axis('off')
    plt.subplot(133), plt.imshow(cv2.cvtColor(imgTrack, cv2.COLOR_BGR2RGB)), plt.title("tracking result"), plt.axis('off')
    plt.show()