一些小概念 1.直方圖是圖像內(nèi)容的一個(gè)重要特性。 2.如果一幅圖像的區(qū)域中顯示的是一種獨(dú)特的紋理或是一個(gè)獨(dú)特的物體，那么這個(gè)區(qū)域的直方圖可以看作是一個(gè)概率函數(shù)，它給出的是某個(gè)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(gè)輸入圖像
一些小概念
1.直方圖是圖像內(nèi)容的一個(gè)重要特性。
2.如果一幅圖像的區(qū)域中顯示的是一種獨(dú)特的紋理或是一個(gè)獨(dú)特的物體，那么這個(gè)區(qū)域的直方圖可以看作是一個(gè)概率函數(shù)，它給出的是某個(gè)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(gè)輸入圖像中每一個(gè)像素值，使其變成歸一化直方圖中對(duì)應(yīng)的概率值。
這是一個(gè)什么樣的過程
名字聽起來感覺很高端，其實(shí)這個(gè)一個(gè)很簡(jiǎn)單的過程。
1.首先我們截取一個(gè)區(qū)域，作為目標(biāo)區(qū)域。
2.然后將目標(biāo)區(qū)域取直方圖，并將其直方圖歸一化，并得到這個(gè)區(qū)域的概率。
3.利用calcBackProject函數(shù)在圖像中檢索。其中函數(shù)會(huì)利用區(qū)域概率，對(duì)圖像中的像素點(diǎn)經(jīng)行映射，映射到[0,1]區(qū)間，所以要擴(kuò)大255倍顯示。
4.這樣一來因?yàn)槭秦?fù)圖像，所以越暗的地方相似概率越大。
calcBackProject函數(shù)
其結(jié)構(gòu)
cv::calcBackProject(&image,//目標(biāo)圖像
1, // 圖像個(gè)數(shù)
channels, // 通道數(shù)量
histogram, // 進(jìn)行反投影的直方圖
result, // 結(jié)果圖像
ranges, // 每個(gè)維度的閾值
255.0 // 放縮因子
);
該過程的實(shí)例
我們舉個(gè)例子來說明上面說到的過程，我兩個(gè)小嬰兒的圖像中我們截取嬰兒頭部皮膚，來檢測(cè)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(shè)置閾值
void setThreshold(float t) {
threshold= t;
}
// 返回閾值
float getThreshold() {
return threshold;
}
// 設(shè)置目標(biāo)直方圖,進(jìn)行歸一化
void setHistogram(const cv::MatND& h) {
histogram= h;
cv::normalize(histogram,histogram,1.0);
}
// 查找屬于目標(biāo)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(shè)置目標(biāo)區(qū)域
cv::Mat imageROI;
imageROI= image(cv::Rect(262,151,113,150)); // 區(qū)域?yàn)樾『⒌哪槻繀^(qū)域
//顯示目標(biāo)區(qū)域
cv::namedWindow("目標(biāo)區(qū)域圖像");
cv::imshow("目標(biāo)區(qū)域圖像",imageROI);
//計(jì)算目標(biāo)區(qū)域直方圖
Histogram1D h;
cv::MatND hist= h.getHistogram(imageROI);
cv::namedWindow("目標(biāo)區(qū)域直方圖");
cv::imshow("目標(biāo)區(qū)域直方圖",h.getHistogramImage(imageROI));
//創(chuàng)建檢查類
ObjectFinder finder;
//將目標(biāo)區(qū)域直方圖傳入檢測(cè)類
finder.setHistogram(hist);
//初始化閾值
finder.setThreshold(-1.0f);
//進(jìn)行反投影
cv::Mat result1;
result1= finder.find(image);
//創(chuàng)建負(fù)圖像并顯示概率結(jié)果
cv::Mat tmp;
result1.convertTo(tmp,CV_8U,-1.0,255.0);
cv::namedWindow("負(fù)圖像概率結(jié)果圖像越暗概率越大");
cv::imshow("負(fù)圖像概率結(jié)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(qū)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(jié)果圖
cv::namedWindow("二值結(jié)果圖");
cv::imshow("二值結(jié)果圖",result1);
cv::waitKey();
return 0;
}
輸出結(jié)果
-END-
聲明：本網(wǎng)頁內(nèi)容旨在傳播知識(shí)，若有侵權(quán)等問題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。TEL:177 7030 7066 E-MAIL:11247931@qq.com
