原标题:直方图反向投影学习-----个人理解(你究竟是不是凶手)
原文来自:博客园 原文链接:https://www.cnblogs.com/zhiyonglu/p/10734603.html
今天重新学习了一下反向直方图,个人是这样理解的:通过计算模型(现场证据)的图像直方图,再计算待测试(嫌疑人)的图像直方图,然后将嫌疑人的直方图映射到现场证据的直方图中,再将结果显示出来。
原理可以看一下别人的:https://blog.csdn.net/fengye2two/article/details/79113560
直方图归一化那么对应的直方图高度就是概率咯,如果你的待测试对象的结果值很大(或者说你的图像更亮),那么说明你是凶手的嫌疑很大!
不过前提是在手掌局部进行绘制直方图,如果对整个图像绘制直方图,你会发现bin值(横坐标)很小的地方,其值也可能很大,因为图上不仅只有手掌部分,还有其他四个角的地方。
参考官方文档:
下面附上可直接运行的代码和测试图片 1 #include <opencv2/opencv.hpp>
#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
#include <Vector>
#include <string>
using namespace std;
using namespace cv;//这句话必须加入,如果不加入,则下面的统一写成cv::
Mat src, hsv, hue, test, test_hue;
const char* window_image = "input image";
int bins = 180;
int main()
{
src = imread("d:/img/hand.jpg");
test = imread("d:/img/hand2.jpg");
namedWindow(window_image, CV_WINDOW_AUTOSIZE);
namedWindow("test image", CV_WINDOW_AUTOSIZE);
namedWindow("BackProject", CV_WINDOW_AUTOSIZE);
namedWindow("Histogram", CV_WINDOW_AUTOSIZE);//histogram 柱状图
imshow(window_image, src);
imshow("test image", test);
//将BGR图像转化为HSV图像
cvtColor(src, hsv, CV_BGR2HSV);
hue.create(hsv.size(), hsv.depth());
int nchannels[] = { 0, 0 };
mixChannels(&hsv, 1, &hue, 1, nchannels, 1);
//这是待检测图像
cvtColor(test, test, CV_BGR2HSV);
test_hue.create(test.size(), test.depth());
//int nchannels[] = { 0, 0 };
mixChannels(&test, 1, &test_hue, 1, nchannels, 1);
//计算demo的直方图
float range[] = { 0,180 };
const float *histRanges = { range };
Mat h_hist;
calcHist(&hue, 1, 0, Mat(), h_hist, 1, &bins, &histRanges, true, false);
normalize(h_hist, h_hist, 0, 255, NORM_MINMAX, -1, Mat());
//将test的图像根据h_hist,计算反向直方图结果
Mat backProjImage;
calcBackProject(&test_hue, 1, 0, h_hist, backProjImage, &histRanges, 1, true);
imshow("BackProject", backProjImage);
int hist_h = 400;
int hist_w = 400;
Mat histImage;
histImage.create(hist_w, hist_h, CV_8UC3), Scalar(0, 0, 0);
int bin_w = (hist_w / bins);
for (int i = 1; i < bins; i++) {
rectangle(histImage,
Point((i - 1)*bin_w, (hist_h - cvRound(h_hist.at<float>(i - 1)*(400 / 255)))),
Point(i*bin_w, hist_h),
Scalar(0, 0, 255), -1);
}
imshow("Histogram", histImage);
imshow(window_image, src);
waitKey(0);
return 0;
}
图片:第一张为demo,第二张为test
结果:
以上是个人学习理解,本人也是小白一枚,若大佬们发现有错误,请多多还请多多包涵多多指教!!!
免责声明:本文来自互联网新闻客户端自媒体,不代表本网的观点和立场。
合作及投稿邮箱:E-mail:editor@tusaishared.com