OpenCV学习之六： 使用方向梯度直方图估计图像旋转角度

欢迎访问人工智能社区   studyai.com  studyai.com

下面的代码通过计算图像中给定区域的方向梯度直方图来估计图像的旋转角度

主要内容包括：

一、计算局部图像块方向梯度直方图的函数

二、把给定图像按照给定的角度旋转

三、如何利用旋转后的图像的方向梯度直方图和原图像的方向梯度直方图来估计旋转角度

四、绘制方向梯度直方图

计算效果如下次：

主要代码如下：

// LocalHistogramOfOrientedGradients.cpp : 定义控制台应用程序的入口点。
//局部方向梯度直方图
 
#include 
   
   
    
    
#include 
    
    
     
     

using namespace std;
using namespace cv;

/*
计算给定像素位置上的加权方向梯度直方图（orientation gradient  histogram）

     img:原始图像
	 pt: 指定的像素点
	 radius： 统计半径
	 isSmoothed：是否平滑输出直方图
	 用高斯函数进行中心加权;
	 isWeighted,和 weighted_sigma: 是否加权和计算权重的标准差
	 hist： 要输出的直方图
	 n: 直方图的bin个数
	 返回值：直方图的峰值（最大值）
*/
static float calcOrientationHist( const Mat& img, Point pt, int radius, float* hist, 
                             int n ,int isSmoothed,int isWeighted,float weighted_sigma)
{
	//radius应该是以pt为中心的正方形的边长的一半
    int i, j, k, len = (radius*2+1)*(radius*2+1);
	//使用高斯函数中心加权
    float expf_scale = -1.f/(2.f * weighted_sigma * weighted_sigma);
	//为什么加4呢，是为了给临时直方图开辟多余的4个存储位置，
	//用来存放temphist[-1]，temphist[-2]，temphist[n],temphist[n+1]的
	//为什么加n呢，这n个位置是留给temphist[0 ... n-1]的
	//为什么len*4呢，这4个len长度的数组位置是留给X、Y、W以及方向Ori的
    AutoBuffer
     
     
      
       buf(len*4 + n+4);
	//X是横向梯度，Y是纵向梯度，Mag是梯度幅值=sqrt(X^2+Y^2), Ori是梯度方向 = arctan(Y/X)
    float *X = buf, *Y = X + len, *Mag = X, *Ori = Y + len, *W = Ori + len;
    float* temphist = W + len + 2;//加2是用来存放temphist[-1]，temphist[-2]的

	//临时直方图清零
    for( i = 0; i < n; i++ )
        temphist[i] = 0.f;

	//从上往下，从左往右扫描求横向，纵向的梯度值以及对应的权值
    for( i = -radius, k = 0; i <= radius; i++ )
    {
        int y = pt.y + i;//指向原图像img的第pt.y+i行
        if( y <= 0 || y >= img.rows - 1 )//边界检查
            continue;
        for( j = -radius; j <= radius; j++ )
        {
            int x = pt.x + j;//指向原图像img的第pt.x+j列
            if( x <= 0 || x >= img.cols - 1 )//边界检查
                continue;
			//横向梯度
            float dx = (float)(img.at
      
      
       
       (y, x+1) - img.at
       
       
         (y, x-1)); //纵向梯度 float dy = (float)(img.at 
        
          (y-1, x) - img.at 
         
           (y+1, x)); //保存纵向梯度和横向梯度 X[k] = dx; Y[k] = dy; //计算加权数组 if(isWeighted) W[k] = (i*i + j*j)*expf_scale; else W[k] = 1.f; //如果不加权，则每个统计点上的权重是一样的 k++; } } //把实际的统计点数复制给len，由于矩形局部邻域有可能超出图像边界， len = k;//所以实际的点数总是小于等于 (radius*2+1)*(radius*2+1) //在指定像素点的邻域内 计算梯度幅值, 梯度方向 and 权重 exp(W, W, len); //权重 fastAtan2(Y, X, Ori, len, true);//梯度方向 magnitude(X, Y, Mag, len);//梯度幅值 //填充临时直方图，直方图的横轴是梯度方向方向角度[0,360），bin宽度为n/360； //纵轴是梯度幅值乘以对应的权重 for( k = 0; k < len; k++ ) { int bin = cvRound((n/360.f)*Ori[k]);//求出第k个角度Ori[k]的bin索引号 if( bin >= n ) bin -= n; if( bin < 0 ) bin += n; temphist[bin] += W[k]*Mag[k]; } if(isSmoothed) { // 直方图平滑，平滑后放入输出直方图数组中 temphist[-1] = temphist[n-1]; temphist[-2] = temphist[n-2]; temphist[n] = temphist[0]; temphist[n+1] = temphist[1]; for( i = 0; i < n; i++ ) { hist[i] = (temphist[i-2] + temphist[i+2])*(1.f/16.f) + (temphist[i-1] + temphist[i+1])*(4.f/16.f) + temphist[i]*(6.f/16.f); } } else //不平滑直方图 { for( i = 0; i < n; i++ ) { hist[i] = temphist[i]; } } //求直方图梯度的最大值 float maxval = hist[0]; for( i = 1; i < n; i++ ) maxval = std::max(maxval, hist[i]); return maxval; } void DrawHist(Mat& hist, string& winname) { Mat drawHist; int histSize = hist.rows; // 创建直方图画布 int hist_w = 360; int hist_h = 360;//直方图图像的宽度和高度 int bin_w = cvRound( (double) hist_w/histSize );//直方图中一个矩形条纹的宽度 Mat histImage( hist_w, hist_h, CV_8UC3, Scalar( 0,0,0) );//创建画布图像 /// 将直方图归一化到范围 [ 0, histImage.rows ] normalize(hist, drawHist, 0,histImage.rows, NORM_MINMAX, -1, Mat() ); /// 在直方图画布上画出直方图 for(int i=1;i 
          
            (i-1))),Scalar(0,0,255),1,8,0); //折线表示 /* line( histImage, Point( bin_w*(i-1), hist_h - cvRound(hist.at 
           
             (i-1)) ) , Point( bin_w*(i), hist_h - cvRound(hist.at 
            
              (i)) ), Scalar( 0, 0, 255), 1, 8, 0 );*/ } /// 显示直方图 cv::namedWindow(winname,1); cv::imshow(winname, histImage ); } int main(int argc, char** argv) { const string filename = "meinv2.jpg"; Mat Image = imread(filename,1); if(Image.empty()) { std::cout<<"无法读取图像...."< 
             
               rotateHist = Mat::zeros(bins_count,1,CV_32FC1); float* rh = (float*)rotateHist.data; calcOrientationHist(rotate_dst,center,radius,rh,bins_count,isSmoothed,isWeighted,sigma); //绘制直方图 string winname2 = "rotated hist"; DrawHist(rotateHist,winname2); //- -利用旋转前和旋转后的两个直方图的纵轴主峰对应的角度bin估算图像的旋转角度-------------------- cout<<"直方图bin的宽度： "<<(360.f/bins_count)<<"度"< 
               
              
             
            
           
          
         
       
      
      
     
     
    
    
   
   

结果分析：

绕图像中心点顺时针旋转30度缩放因子为1的估计结果：

从上图看出，顺时针旋转奶茶妹妹后，方向梯度直方图整体向左移动了一定距离

真实的旋转角度为 -30度，估计的旋转角度为 -24度，误差6度正好是直方图的bin的宽度

绕图像中心点逆时针旋转30度缩放因子为1的估计结果：

从上图看出，逆时针旋转奶茶妹妹后，方向梯度直方图整体向右移动了一定距离

真实旋转角度为30度，估计的旋转角度也为30度