本文介紹了python OpenCV學習筆記直方圖反向投影的實現(xiàn)，分享給大家，具體如下：
官方文檔 – https://docs.opencv.org/3.4.0/dc/df6/tutorial_py_histogram_backprojection.html
它用于圖像分割或?qū)ふ覉D像中感興趣的對象。簡單地說，它創(chuàng)建一個與我們的輸入圖像相同大?。ǖ珕瓮ǖ溃┑膱D像，其中每個像素對應于屬于我們對象的像素的概率。輸出圖像將使我們感興趣的對象比其余部分更白。
該怎么做呢？我們創(chuàng)建一個圖像的直方圖，其中包含我們感興趣的對象。為了得到更好的結(jié)果，對象應該盡可能地填充圖像。而顏色直方圖比灰度直方圖更受青睞，因為對象的顏色比灰度強度更能定義對象。然后，我們在我們的測試圖像上“反向投射”這個直方圖，我們需要找到這個對象，換句話說，我們計算每個像素的概率，并顯示它。在適當?shù)拈撝瞪袭a(chǎn)生的輸出結(jié)果使我們得到了一個單獨的結(jié)果。
Numpy中的算法
1、首先，我們需要計算我們需要找到的對象的顏色直方圖(讓它為'M')和我們將要搜索的圖像(讓它為'I')。
import numpy as npimport cv2 as cvfrom matplotlib import pyplot as plt# roi是我們需要找到的對象或區(qū)域roi = cv.imread('rose_red.png')hsv = cv.cvtColor(roi, cv.COLOR_BGR2HSV)# target是我們搜索的圖像target = cv.imread('rose.png')hsvt = cv.cvtColor(target, cv.COLOR_BGR2HSV)# 用calcHist來找直方圖，也可以用np.histogram2dM = cv.calcHist([hsv], [0,1], None, [180,256], [0,180,0,256])I = cv.calcHist([hsvt], [0,1], None, [180,256], [0,180,0,256])2、找到比率 R=M/I。然后背面投射R ，使用R作為調(diào)色板，并創(chuàng)建一個新的圖像，每個像素作為其對應的目標概率。B(x,y) = R[h(x,y),s(x,y)]，其中h是（x，y）坐標像素的色調(diào)，s是飽和度。之后，B(x,y)=min[B(x,y),1]
h, s, v = cv.split(hsvt)B = R[h.ravel(), s.ravel()]B = np.munimum(B, 1)B = B.reshape(hsvt.shape[:2])
3、應用一個圓盤卷積，B = D * B，其中D是圓盤內(nèi)核
disc = cv.getStructuringElement(cv.MORPH_ELLIPSE, (5,5))cv.filter2D(B, -1, disc, B)B = np.uint8(B)cv.normalize(B, B, 0, 255, cv.NORM_MINMAX)
4、現(xiàn)在，最大強度的位置給了我們物體的位置。如果我們期望圖像中有一個區(qū)域，給出一個合適的閾值會有一個很好的結(jié)果。
ret, thresh = cv.threshold(B, 50, 255, 0)
OpenCV中的投影
OpenCV提供一個內(nèi)置的函數(shù)cv.calcbackproject()。它的參數(shù)幾乎與cv.calcHist()函數(shù)相同。它的一個參數(shù)是直方圖，它是這個對象的直方圖，我們必須找到它。另外，在傳遞給backproject函數(shù)之前，對象的直方圖應該是標準化的。它返回概率圖像。然后，我們將圖像與磁盤內(nèi)核進行卷積，并應用閾值。下面是我的代碼和輸出：
import numpy as npimport cv2 as cvroi = cv.imread('rose_red.png')hsv = cv.cvtColor(roi, cv.COLOR_BGR2HSV)target = cv.imread('rose.png')hsvt = cv.cvtColor(target, cv.COLOR_BGR2HSV)# 計算對象的直方圖roihist = cv.calcHist([hsv], [0,1], None, [180,256], [0,180,0,256])# 標準化直方圖，并應用投影cv.normalize(roihist, roihist, 0, 255, cv.NORM_MINMAX)dst = cv.calcBackProject([hsvt], [0,1], roihist, [0,180,0,256], 1)# 與磁盤內(nèi)核進行卷積disc = cv.getStructuringElement(cv.MORPH_ELLIPSE, (5,5))cv.filter2D(dst, -1, disc, dst)# 閾值、二進制按位和操作ret, thresh = cv.threshold(dst, 50, 255, 0)thresh = cv.merge((thresh, thresh, thresh))res = cv.bitwise_and(target, thresh)res = np.vstack((target, thresh, res))cv.imwrite('res.jpg', res)下面是一個例子。使用藍色矩形中的區(qū)域作為示例對象，提取想提取全部內(nèi)容。
關于這兩種技術的原理可以參考我上面貼的鏈接，下面是示例的代碼：
0x01. 繪制直方圖
import cv2.cv as cv def drawGraph(ar,im, size): #Draw the histogram on the image minV, maxV, minloc, maxloc = cv.MinMaxLoc(ar) #Get the min and max value hpt = 0.9 * histsize for i in range(size): intensity = ar[i] * hpt / maxV #Calculate the intensity to make enter in the image cv.Line(im, (i,size), (i,int(size-intensity)),cv.Scalar(255,255,255)) #Draw the line i += 1 #---- Gray imageorig = cv.LoadImage("img/lena.jpg", cv.CV_8U) histsize = 256 #Because we are working on grayscale pictures which values within 0-255 hist = cv.CreateHist([histsize], cv.CV_HIST_ARRAY, [[0,histsize]], 1) cv.CalcHist([orig], hist) #Calculate histogram for the given grayscale picture histImg = cv.CreateMat(histsize, histsize, cv.CV_8U) #Image that will contain the graph of the repartition of valuesdrawGraph(hist.bins, histImg, histsize) cv.ShowImage("Original Image", orig)cv.ShowImage("Original Histogram", histImg)#--------------------- #---- Equalized imageimEq = cv.CloneImage(orig)cv.EqualizeHist(imEq, imEq) #Equlize the original image histEq = cv.CreateHist([histsize], cv.CV_HIST_ARRAY, [[0,histsize]], 1)cv.CalcHist([imEq], histEq) #Calculate histogram for the given grayscale pictureeqImg = cv.CreateMat(histsize, histsize, cv.CV_8U) #Image that will contain the graph of the repartition of valuesdrawGraph(histEq.bins, eqImg, histsize) cv.ShowImage("Image Equalized", imEq)cv.ShowImage("Equalized HIstogram", eqImg)#-------------------------------- cv.WaitKey(0)0x02. 反向投影
import cv2.cv as cv im = cv.LoadImage("img/lena.jpg", cv.CV_8U) cv.SetImageROI(im, (1, 1,30,30)) histsize = 256 #Because we are working on grayscale pictureshist = cv.CreateHist([histsize], cv.CV_HIST_ARRAY, [[0,histsize]], 1)cv.CalcHist([im], hist)cv.NormalizeHist(hist,1) # The factor rescale values by multiplying values by the factor_,max_value,_,_ = cv.GetMinMaxHistValue(hist) if max_value == 0: max_value = 1.0cv.NormalizeHist(hist,256/max_value) cv.ResetImageROI(im) res = cv.CreateMat(im.height, im.width, cv.CV_8U)cv.CalcBackProject([im], res, hist) cv.Rectangle(im, (1,1), (30,30), (0,0,255), 2, cv.CV_FILLED)cv.ShowImage("Original Image", im)cv.ShowImage("BackProjected", res)cv.WaitKey(0)以上就是本文的全部內(nèi)容，希望對大家的學習有所幫助，也希望大家多多支持VEVB武林網(wǎng)。
新聞熱點
疑難解答
圖片精選
