旅游网站的建设依据和背景,wordpress自定义排序,制作链接的步骤,建材在线本文介绍了python OpenCV学习笔记直方图反向投影的实现#xff0c;分享给大家#xff0c;具体如下#xff1a;它用于图像分割或寻找图像中感兴趣的对象。简单地说#xff0c;它创建一个与我们的输入图像相同大小(但单通道)的图像#xff0c;其中每个像素对应于属于我们对象…本文介绍了python OpenCV学习笔记直方图反向投影的实现分享给大家具体如下它用于图像分割或寻找图像中感兴趣的对象。简单地说它创建一个与我们的输入图像相同大小(但单通道)的图像其中每个像素对应于属于我们对象的像素的概率。输出图像将使我们感兴趣的对象比其余部分更白。该怎么做呢我们创建一个图像的直方图其中包含我们感兴趣的对象。为了得到更好的结果对象应该尽可能地填充图像。而颜色直方图比灰度直方图更受青睐因为对象的颜色比灰度强度更能定义对象。然后我们在我们的测试图像上“反向投射”这个直方图我们需要找到这个对象换句话说我们计算每个像素的概率并显示它。在适当的阈值上产生的输出结果使我们得到了一个单独的结果。Numpy中的算法1、首先我们需要计算我们需要找到的对象的颜色直方图(让它为M)和我们将要搜索的图像(让它为I)。import numpy as npimport cv2 as cvfrom matplotlib import pyplot as plt# roi是我们需要找到的对象或区域roi cv.imread(rose_red.png)hsv cv.cvtColor(roi, cv.COLOR_BGR2HSV)# target是我们搜索的图像target cv.imread(rose.png)hsvt cv.cvtColor(target, cv.COLOR_BGR2HSV)# 用calcHist来找直方图也可以用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 RM/I。然后背面投射R 使用R作为调色板并创建一个新的图像每个像素作为其对应的目标概率。B(x,y) R[h(x,y),s(x,y)]其中h是(xy)坐标像素的色调s是饱和度。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、应用一个圆盘卷积B D * B其中D是圆盘内核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、现在最大强度的位置给了我们物体的位置。如果我们期望图像中有一个区域给出一个合适的阈值会有一个很好的结果。ret, thresh cv.threshold(B, 50, 255, 0)OpenCV中的投影OpenCV提供一个内置的函数cv.calcbackproject()。它的参数几乎与cv.calcHist()函数相同。它的一个参数是直方图它是这个对象的直方图我们必须找到它。另外在传递给backproject函数之前对象的直方图应该是标准化的。它返回概率图像。然后我们将图像与磁盘内核进行卷积并应用阈值。下面是我的代码和输出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)# 计算对象的直方图roihist cv.calcHist([hsv], [0,1], None, [180,256], [0,180,0,256])# 标准化直方图并应用投影cv.normalize(roihist, roihist, 0, 255, cv.NORM_MINMAX)dst cv.calcBackProject([hsvt], [0,1], roihist, [0,180,0,256], 1)# 与磁盘内核进行卷积disc cv.getStructuringElement(cv.MORPH_ELLIPSE, (5,5))cv.filter2D(dst, -1, disc, dst)# 阈值、二进制按位和操作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)下面是一个例子。使用蓝色矩形中的区域作为示例对象提取想提取全部内容。关于这两种技术的原理可以参考我上面贴的链接下面是示例的代码0x01. 绘制直方图import cv2.cv as cvdef drawGraph(ar,im, size): #Draw the histogram on the imageminV, maxV, minloc, maxloc cv.MinMaxLoc(ar) #Get the min and max valuehpt 0.9 * histsizefor i in range(size):intensity ar[i] * hpt / maxV #Calculate the intensity to make enter in the imagecv.Line(im, (i,size), (i,int(size-intensity)),cv.Scalar(255,255,255)) #Draw the linei 1#---- Gray imageorig cv.LoadImage(img/lena.jpg, cv.CV_8U)histsize 256 #Because we are working on grayscale pictures which values within 0-255hist cv.CreateHist([histsize], cv.CV_HIST_ARRAY, [[0,histsize]], 1)cv.CalcHist([orig], hist) #Calculate histogram for the given grayscale picturehistImg 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 imagehistEq 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 cvim 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内容希望对大家的学习有所帮助也希望大家多多支持脚本之家。
