python opencv 直方圖反向投影的方法

更新時(shí)間：2018年02月24日 08:30:28 作者：@fei

這篇文章主要介紹了python opencv 直方圖反向投影的方法，小編覺得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過來看看吧

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(biāo)：

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(huì)輸出與輸入圖像大小相同的圖像，每一個(gè)像素值代表了輸入圖像上對應(yīng)點(diǎn)屬于目標(biāo)對象的概率，簡言之，輸出圖像中像素值越高的點(diǎn)越可能代表想要查找的目標(biāo)。直方圖投影經(jīng)常與camshift（追蹤算法）算法一起使用。

算法實(shí)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(gè)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(shí)別。再將顏色直方圖投影到輸入圖像查找目標(biāo)，也就是找到輸入圖像中每一個(gè)像素點(diǎn)的像素值在直方圖中對應(yīng)的概率，這樣就得到一個(gè)概率圖像，最后設(shè)置適當(dāng)?shù)拈撝祵Ω怕蕡D像進(jìn)行二值化。

numpy算法：

建立兩幅顏色直方圖，目標(biāo)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(biāo)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(jì)算比值：R=MI。反向投影R，根據(jù)R這個(gè)調(diào)色板創(chuàng)建新圖像，每一個(gè)像素代表這個(gè)點(diǎn)事目標(biāo)的概率。例如，B(x,y)=R[h(x,y),s(x,y)，其中H為點(diǎn)(x,y)的色調(diào)（hue）值，s為點(diǎn)（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(jìn)行卷積運(yùn)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(gè)十字形，5×5的結(jié)構(gòu)

這里寫圖片描述

輸出圖像中灰度最大的地方就是目標(biāo)位置。如果要找的是一個(gè)區(qū)域，可以使用一個(gè)閾值對圖像二值化，這樣能得到不錯(cuò)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(shí)現(xiàn)反向投影，參數(shù)與cv2.calcHist基本一致。其中一個(gè)參數(shù)是要查找的目標(biāo)的直方圖。在使用目標(biāo)直方圖反向投贏錢應(yīng)該進(jìn)行歸一化處理。返回結(jié)果是一個(gè)概率圖像，然后進(jìn)行圓盤形狀卷積操作，再二值化。

roi區(qū)域圖片

這里寫圖片描述

待搜索圖片

這里寫圖片描述

結(jié)果

這里寫圖片描述

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(biāo)搜索圖片
target = cv2.imread('3.jpg')
hsvt = cv2.cvtColor(target,cv2.COLOR_BGR2HSV)

#計(jì)算目標(biāo)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(diǎn)
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(gè)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腳本之家。

您可能感興趣的文章: