OpenCV 直方图反向投影

直方图反向投影有两种：
1、模板匹配，通过建立模板的直方图和待检测图像直方图，通过检测块的直方图特征对比，实现模板在待检测图像上的匹配，与灰度特征模板匹配所不同的是，直方图反向投影可以“以小检大”，且可以减小尺度变换的影响；
2、定位目标位置，在一张复杂的图像中，目标颜色特征占比大，那么其对应的直方图面积大，背景颜色特征占比小，则对应直方图面积小，根据面积概率大小，直方图反向投影过后被赋予新的灰度值，突出目标，便于分割。
借鉴博主博客，记录第2种：
两个API介绍：

mixChannels(//用于将输入数组的指定通道复制到输出数组的指定通道
const Mat* src, //输入数组或向量矩阵,所有矩阵的大小和深度必须相同。
size_t nsrcs, //矩阵的数量
Mat* dst, //输出数组或矩阵向量,大小和深度必须与src[0]相同
size_t ndsts,//矩阵的数量
const int* fromTo,//指定被复制通道与要复制到的位置组成的索引对
size_t npairs //fromTo中索引对的数目
);

void calcBackProject( //用于直方图反向投影
const Mat* images, //源数组/图像；有相同的大小和深度(CV_8U或CV_32F)。
int nimages,//源图像的数量
const int* channels, //计算反投影的通道列表；通道数量必须与直方图维度相匹配。
InputArray hist,//输入直方图。
OutputArray backProject, //目标反向投影数组，与images[0]大小、深度相同的单通道数组。
const float** ranges,//每个维度的直方图bin边界数组。
double scale = 1, //输出反向投影的可选比例因子。
bool uniform = true //直方图是否均匀的标志。
);

代码：

#include<opencv2/opencv.hpp>
using namespace cv;

Mat hue;
int bins = 10;
void histBackprojection(int, void*);
int main()
{
	Mat src, hsv;
	src = imread("D:/images/money.jpg");
	resize(src, src, Size(460, 460));
	if (src.empty())
	{
		printf("can not load image \n");
		return -1;
	}
	namedWindow("input", WINDOW_AUTOSIZE);
	imshow("input", src);
	cvtColor(src, hsv, COLOR_BGR2HSV);
	hue.create(hsv.size(), hsv.depth());
	int ch[] = { 0, 0 };
	//分离Hue通道:色相通道
	mixChannels(&hsv, 1, &hue, 1, ch, 1);
	//创建Trackbar来输入bin的数目
	createTrackbar("bins:", "input", &bins, 255, histBackprojection);
	histBackprojection(0, 0);
	waitKey(0);
	return 0;
}

void histBackprojection(int, void*)
{
	MatND hist, backproj;
	int histSize = max(bins, 2);
	float range[] = { 0, 255 };
	const float *ranges = { range };
	//计算直方图
	calcHist(&hue, 1, 0, Mat(), hist, 1, &histSize, &ranges, true, false);
	//将直方图bin的数值归一化到0-255
	normalize(hist, hist, 0, 255, NORM_MINMAX, -1, Mat());
	//计算反向投影
	calcBackProject(&hue, 1, 0, hist, backproj, &ranges, 1, true);
	namedWindow("backprogection", WINDOW_AUTOSIZE);
	imshow("backprogection", backproj);
	//显示直方图
	int binsW = cvRound((double)500 / histSize);
	Mat histImg = Mat::zeros(500, 500, CV_8UC3);
	RNG rng(123);
	for (int i = 0; i < bins; i++)
	{
		Scalar color = Scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255));
		rectangle(histImg, Point(i*binsW, 500), Point((i + 1)*binsW, 500 - cvRound(hist.at<float>(i) * 500 / 255.0)), color, -1);
	}
	namedWindow("histogram", WINDOW_AUTOSIZE);
	imshow("histogram", histImg);
}

结果：



初始bin值选的10，可以通过改变bin值，比较结果目标与背景的对比度。