直方图反向投影的原理详解及OpenCV下的示例源码

直方图反向投影的原理详解及OpenCV下的示例源码

读懂本篇博文的预备知识：
对OpenCV的图像直方图计算函数calcHist()进行透彻解析
详解什么叫二维直方图,并利用OpenCV的函数calcHist()绘制图像的H-S二维直方图

直方图的反向投影就是首先计算图像中某一个特征的直方图，然后将这个特征的直方图反向投影到原图像，进而可以判断图像中是否存在该特征，从而实现目标识别等操作。

简单点讲，所谓直方图反向投影就是首先计算某一特征的直方图，然后使用该直方图去寻找图像中是否存在该特征的方法。

直方图的反向投影常用于对目标的跟踪的定位。

OpenCV提供了函数calcBackProject()用于对图像进行直方图的反向投影运算。

函数calcBackProject()的C++原型如下：

1. void cv::calcBackProject(const Mat * images,
   
2.                          int nimages,
   
3.                          const int * channels,
   
4.                          InputArray hist,
   
5.                          OutputArray backProject,
   
6.                          const float ** ranges,
   
7.                          double scale = 1,
   
8.                          bool uniform = true )

复制代码

Python原型如下：

1. dst=cv.calcBackProject(images, channels, hist, ranges, scale[, dst])

复制代码

原型中各参数的意义如下：

images---需要做直方图反向投影的图像，可以是多幅图像，但是所有的图像应具有相同的尺寸和数据类型，在OpenCV3中，数据类型只能是CV_8U或CV_32F，但是不同图像的通道数可以不同。

nimages---输入图像数量。

channels---输入图像需要参与做直方图反向投影的通道列表。这里需要注意的是，输入直方图hist是几维的就需要有输入图像的几个通道参与。

hist---输入直方图。

backProject---输入图像的直方图反投影图像，与输入图像具有相同尺寸和数据类型的单通道图像。

ranges---输入直方图每个维度的取值范围。

scale---进行直方图反向投影时的比例因子。

uniform----输入直方图是否均匀的标志。例如，如果scale设置为1.0，则反向投影值为正常计算值，如果scale设置为2.0，则反向投影值为正常计算值的两倍。


在使用函数calcBackProject()进行直方图反向投影计算前，我们首先需要知道OpenCV的这个函数是怎么计算图像的反向投影的。


各位朋友，很抱歉，
因为靠写博文为生，
所以如果需要了解“函数calcBackProject()是怎样进行直方图反向投影计算的”，请您破费5元付费阅读。
我把这个问题的答案用“简单明了的语言、一个简单的例子和程序实际验证”写在了下面这个页面中，
https://www.hhai.cc/thread-221-1-1.html
上面这个页面需要密码才能阅读。
阅读密码购买链接如下：
https://shop.autofaka.com//details/D551D90A

明白函数calcBackProject()是怎样进行直方图反向投影计算后，
接下来我们来看一个实例。

下面这幅图是某歌手在唱歌时的截图：


我们希望借助上面这幅图中歌手的面部直方图特征，查找出另一幅图中此歌手的面部大概位置。

另一幅图(lml-02.jpg)如下：


我们可以像下面这样操作完成这个任务。

首先我们从这幅图中截取歌手的面部(lml-template.jpg)，如下：


用这个截取的面部作为特征，计算待查找图像的直方图反向投影。
代码如下：

[Python] 纯文本查看 复制代码

# -*- coding: utf-8 -*-
# 出处：昊虹AI笔记网(hhai.cc)
# 用心记录计算机视觉和AI技术

# 博主微信/QQ 2487872782
# QQ群 271891601
# 欢迎技术交流与咨询

# OpenCV的版本为4.4.0
 
import numpy as np
import cv2 as cv
import sys
 
if __name__ == '__main__':
    # 读取图像并判断是否读取成功
    lml_02_image = cv.imread('F:/material/images/histogram_back_projection/lml-02.jpg')
    template_image = cv.imread('F:/material/images/histogram_back_projection/lml-template.jpg')
 
    if lml_02_image is None or template_image is None:
        print('Failed to read calcBackProject.jpg or calcBackProject_template.jpg.')
        sys.exit()
    # 分别将其颜色空间从BGR转换到HSV
    origin_hsv = cv.cvtColor(lml_02_image, cv.COLOR_BGR2HSV)
    template_hsv = cv.cvtColor(template_image, cv.COLOR_BGR2HSV)
 
    # 计算模板图像的直方图
    template_hist = cv.calcHist([template_hsv], [0, 1], None, [180, 256], [0, 180, 0, 256])
 
    # 对模板图像的直方图进行偏移归一化处理
    cv.normalize(template_hist, template_hist, 0, 255, cv.NORM_MINMAX)
    # 计算直方图的反向投影
    result = cv.calcBackProject([origin_hsv], [0, 1], template_hist, [0, 180, 0, 256], 1)
 
    # 显示图像
    cv.imshow('lml-02', lml_02_image)
    cv.imshow('Template Image', template_image)
    cv.imshow('calcBackProject_result', result)
    cv.waitKey(0)
    cv.destroyAllWindows()

运行结果如下图所示：

从运行结果可以看出，根据歌手的面部直方图特征，我们从其演唱时的另一幅截图中找到了它的头部位置。