溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務(wù)條款》
您好，登錄后才能下訂單哦！
本文介紹了python opencv 直方圖反向投影的方法，分享給大家，具體如下：
目標：
直方圖反向投影
原理：
反向投影可以用來做圖像分割，尋找感興趣區(qū)間。它會輸出與輸入圖像大小相同的圖像，每一個像素值代表了輸入圖像上對應(yīng)點屬于目標對象的概率，簡言之，輸出圖像中像素值越高的點越可能代表想要查找的目標。直方圖投影經(jīng)常與camshift（追蹤算法）算法一起使用。
算法實現(xiàn)的方法，首先要為包含我們感興趣區(qū)域的圖像建立直方圖（樣例要找一片草坪，其他的不要）。被查找的對象最好是占據(jù)整個圖像（圖像里全是草坪）。最好使用顏色直方圖，物體的顏色信息比灰度圖像更容易被分割和識別。再將顏色直方圖投影到輸入圖像查找目標，也就是找到輸入圖像中每一個像素點的像素值在直方圖中對應(yīng)的概率，這樣就得到一個概率圖像，最后設(shè)置適當?shù)拈撝祵Ω怕蕡D像進行二值化。
numpy算法：
建立兩幅顏色直方圖，目標圖像直方圖（M），輸入圖像直方圖（I）
import cv2
import numpy as np
from matplotlib import pyplot as plt
#roi圖片，就想要找的的圖片
roi = cv2.imread('3.jpg')
hsv = cv2.cvtColor(roi,cv2.COLOR_BGR2HSV)
#目標搜索圖片
target = cv2.imread('33.jpg')
hsvt = cv2.cvtColor(target,cv2.COLOR_BGR2HSV)
#創(chuàng)建直方圖
M = cv2.calcHist([hsv],[0,1],None,[180,256],[0,180,0,256])
I = cv2.calcHist([hsvt],[0,1],None,[180,256],[0,180,0,256])
計算比值：R=MI。反向投影R，根據(jù)R這個調(diào)色板創(chuàng)建新圖像，每一個像素代表這個點事目標的概率。例如，B(x,y)=R[h(x,y),s(x,y)，其中H為點(x,y)的色調(diào)（hue）值，s為點（x,y）的飽和度（saturation）。最后加入條件B(x,y)=min([B(x,y),1]
h,s,v = cv2.split(hsvt) B = R[h.ravel(),s.ravel()] B = np.minimum(B,1) B = B.reshape(hsvt.shape[:2])
使用圓盤算子做卷積，B=D×B，其中D為卷積核
disc = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))#定義結(jié)構(gòu)形狀，5×5的橢圓 B=cv2.filter2D(B,-1,disc)#對圖像進行卷積運算 B = np.uint8(B) cv2.normalize(B,B,0,255,cv2.NORM_MINMAX)
其中函數(shù)cv2.getStructuringElement是定義結(jié)構(gòu)元素，例如element = cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5)) 定義了一個十字形，5×5的結(jié)構(gòu)
輸出圖像中灰度最大的地方就是目標位置。如果要找的是一個區(qū)域，可以使用一個閾值對圖像二值化，這樣能得到不錯的結(jié)果。
ret,thresh = cv2.threshold(B,50,255,0)
opencv反向投影
函數(shù) cv2.calcBackProject()直接實現(xiàn)反向投影，參數(shù)與cv2.calcHist基本一致。其中一個參數(shù)是要查找的目標的直方圖。在使用目標直方圖反向投贏錢應(yīng)該進行歸一化處理。返回結(jié)果是一個概率圖像，然后進行圓盤形狀卷積操作，再二值化。
roi區(qū)域圖片
待搜索圖片
結(jié)果
import cv2
import numpy as np
from matplotlib import pyplot as plt
#roi圖片，就想要找的的圖片
roi = cv2.imread('33.jpg')
hsv = cv2.cvtColor(roi,cv2.COLOR_BGR2HSV)
#目標搜索圖片
target = cv2.imread('3.jpg')
hsvt = cv2.cvtColor(target,cv2.COLOR_BGR2HSV)
#計算目標直方圖
roihist = cv2.calcHist([hsv],[0,1],None,[180,256],[0,180,0,256])
#歸一化，參數(shù)為原圖像和輸出圖像，歸一化后值全部在2到255范圍
cv2.normalize(roihist,roihist,0,255,cv2.NORM_MINMAX)
dst = cv2.calcBackProject([hsvt],[0,1],roihist,[0,180,0,256],1)
#卷積連接分散的點
disc = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))
dst = cv2.filter2D(dst,-1,disc)
ret,thresh = cv2.threshold(dst,50,255,0)
#使用merge變成通道圖像
thresh = cv2.merge((thresh,thresh,thresh))
#蒙板
res = cv2.bitwise_and(target,thresh)
#矩陣按列合并,就是把target,thresh和res三個圖片橫著拼在一起
res = np.hstack((target,thresh,res))
cv2.imwrite('res.jpg',res)
#顯示圖像
cv2.imshow('1',res)
cv2.waitKey(0)
以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持億速云。
免責聲明：本站發(fā)布的內(nèi)容（圖片、視頻和文字）以原創(chuàng)、轉(zhuǎn)載和分享為主，文章觀點不代表本網(wǎng)站立場，如果涉及侵權(quán)請聯(lián)系站長郵箱：is@yisu.com進行舉報，并提供相關(guān)證據(jù)，一經(jīng)查實，將立刻刪除涉嫌侵權(quán)內(nèi)容。
億速云公眾號
手機網(wǎng)站二維碼