一些小概念 1.直方圖是圖像內容的一個重要特性。 2.如果一幅圖像的區域中顯示的是一種獨特的紋理或是一個獨特的物體，那么這個區域的直方圖可以看作是一個概率函數，它給出的是某個像素屬于該紋理或物體的概率。 3.反投影直方圖的作用是在于替換一個輸入圖像
一些小概念
1.直方圖是圖像內容的一個重要特性。
2.如果一幅圖像的區域中顯示的是一種獨特的紋理或是一個獨特的物體，那么這個區域的直方圖可以看作是一個概率函數，它給出的是某個像素屬于該紋理或物體的概率。
3.反投影直方圖的作用是在于替換一個輸入圖像中每一個像素值，使其變成歸一化直方圖中對應的概率值。
這是一個什么樣的過程
名字聽起來感覺很高端，其實這個一個很簡單的過程。
1.首先我們截取一個區域，作為目標區域。
2.然后將目標區域取直方圖，并將其直方圖歸一化，并得到這個區域的概率。
3.利用calcBackProject函數在圖像中檢索。其中函數會利用區域概率，對圖像中的像素點經行映射，映射到[0,1]區間，所以要擴大255倍顯示。
4.這樣一來因為是負圖像，所以越暗的地方相似概率越大。
calcBackProject函數
其結構
cv::calcBackProject(&image,//目標圖像
1, // 圖像個數
channels, // 通道數量
histogram, // 進行反投影的直方圖
result, // 結果圖像
ranges, // 每個維度的閾值
255.0 // 放縮因子
);
該過程的實例
我們舉個例子來說明上面說到的過程，我兩個小嬰兒的圖像中我們截取嬰兒頭部皮膚，來檢測嬰兒全身皮膚在圖像中的位置。
代碼
#include "cv.h"
#include "highgui.h"
#include "histogram.h"
#include
using namespace std;
#include
#include
class ObjectFinder {
private:
float hranges[2];
const float* ranges[3];
int channels[3];
float threshold;
cv::MatND histogram;
cv::SparseMat shistogram;
public:
ObjectFinder() : threshold(0.1f){
ranges[0]= hranges;
ranges[1]= hranges;
ranges[2]= hranges;
}
// 設置閾值
void setThreshold(float t) {
threshold= t;
}
// 返回閾值
float getThreshold() {
return threshold;
}
// 設置目標直方圖,進行歸一化
void setHistogram(const cv::MatND& h) {
histogram= h;
cv::normalize(histogram,histogram,1.0);
}
// 查找屬于目標直方圖概率的像素
cv::Mat find(const cv::Mat& image) {
cv::Mat result;
hranges[0]= 0.0;
hranges[1]= 255.0;
channels[0]= 0;
channels[1]= 1;
channels[2]= 2;
cv::calcBackProject(&image,
1,
channels,
histogram,
result,
ranges,
255.0
);
// 通過閾值投影獲得二值圖像
if (threshold>0.0)
cv::threshold(result, result, 255*threshold, 255, cv::THRESH_BINARY);
return result;
}
};
int main()
{
//讀取圓圖像
cv::Mat initimage= cv::imread("../2.jpg");
if (!initimage.data)
return 0;
//顯示原圖像
cv::namedWindow("原圖像");
cv::imshow("原圖像",initimage);
//讀取灰度圖像
cv::Mat image= cv::imread("../2.jpg",0);
if (!image.data)
return 0;
//設置目標區域
cv::Mat imageROI;
imageROI= image(cv::Rect(262,151,113,150)); // 區域為小孩的臉部區域
//顯示目標區域
cv::namedWindow("目標區域圖像");
cv::imshow("目標區域圖像",imageROI);
//計算目標區域直方圖
Histogram1D h;
cv::MatND hist= h.getHistogram(imageROI);
cv::namedWindow("目標區域直方圖");
cv::imshow("目標區域直方圖",h.getHistogramImage(imageROI));
//創建檢查類
ObjectFinder finder;
//將目標區域直方圖傳入檢測類
finder.setHistogram(hist);
//初始化閾值
finder.setThreshold(-1.0f);
//進行反投影
cv::Mat result1;
result1= finder.find(image);
//創建負圖像并顯示概率結果
cv::Mat tmp;
result1.convertTo(tmp,CV_8U,-1.0,255.0);
cv::namedWindow("負圖像概率結果圖像越暗概率越大");
cv::imshow("負圖像概率結果圖像越暗概率越大",tmp);
//得到二值反投影圖像
finder.setThreshold(0.01f);
result1= finder.find(image);
//在圖像中繪制選中區域
cv::rectangle(image,cv::Rect(262,151,113,150),cv::Scalar(0,0,0));
//顯示原圖像
cv::namedWindow("原圖像的灰度圖");
cv::imshow("原圖像的灰度圖",image);
//二值結果圖
cv::namedWindow("二值結果圖");
cv::imshow("二值結果圖",result1);
cv::waitKey();
return 0;
}
輸出結果
-END-
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。TEL:177 7030 7066 E-MAIL:11247931@qq.com
