文章目录

直方图反向投影（Histogram Back Projection）

1、反向投影；
2、操作步骤与API；
3、代码演示；

直方图反向投影

1、反向投影是反映直方图模型在目标图像中的分布情况，即用直方图模型去目标图像中寻找是否有相似的对象，实现对特定对象的检测，通常用HSV色彩空间的HS（hue,saturation）两个通道直方图模型；

直方图反向投影步骤

1、建立直方图模型；
2、计算待测图像直方图并映射到这个模型中；
3、从模型反向计算生成图像；

实现步骤与API

1、反向投影API : calcBackProject;
2、操作步骤：
①加载图片；
②将图像从RGB色彩空间转换到HSV色彩空间；
③计算直方图并归一化（calcHist()、normalize()）;
④计算反向投影图像（calcBackProject() ）;

Code

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

Mat src, hsv, hue;
int bins = 12;
void Hist_And_Backprojection(int, void*);

int main(int argc, char** argv)
{
   
	src = imread("C:\\Users\\hello\\Desktop\\37.jpg");
	if (!src.data)
	{
   
		cout << "could not load the image..." << endl;
		return -1;
	}
	namedWindow("input image", WINDOW_AUTOSIZE);
	namedWindow("Histogram image", WINDOW_AUTOSIZE);
	imshow("input image", src);
	//色彩空间转换
	cvtColor(src, hsv, CV_BGR2HSV);

	hue.create(hsv.size(), hsv.depth());
	int nchannels[] = {
    0,0 };
	mixChannels(&hsv, 1, &hue, 1,nchannels,1);
	//计算hue的直方图 1维 hue:0-180, saturation:0-256;
	createTrackbar("Histogram Bins:", "input image", &bins, 180, Hist_And_Backprojection);
	Hist_And_Backprojection(0, 0);

	waitKey(0);
	return 0;
}


void Hist_And_Backprojection(int, void*)
{
   
	//计算直方图并归一化
	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());  //alpha beta为归一化值的范围 归一化到0到255之间

	Mat backPrjImage;
	calcBackProject(&hue, 1, 0, h_hist, backPrjImage, &histRanges, 1, true);

	imshow("BackProj", backPrjImage);
	
	//绘制直方图
	int hist_h = 400;
	int hist_w = 400;
	Mat histImage(hist_w, hist_h, CV_8UC3, Scalar(0, 0, 0));
	int bin_w = hist_w / bins;

	for (int i = 1; i < bins; i++)
	{
   
		//-1表示填充矩形
		rectangle(histImage,
			Point((i - 1)*bin_w, cvRound(hist_h - h_hist.at<float>(i - 1) * (400 / 255))),
			//Point((i)*bin_w, cvRound(hist_h - h_hist.at<float>(i) * (400 / 255))),
			Point((i)*bin_w, cvRound(hist_h)),
			Scalar(0, 0, 255), -1);
	}
	imshow("Histogram image", histImage);

	return;
}

效果