Opencv中的直方图(1)计算反向投影直方图函数calcBackProject()的使用

本文主要是介绍Opencv中的直方图(1)计算反向投影直方图函数calcBackProject()的使用,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

计算直方图的反向投影。

cv::calcBackProject 函数计算直方图的反向投影。也就是说,类似于 calcHist,在每个位置 (x, y),该函数收集输入图像中选定通道的值,并找到对应的直方图区间。但是,与其递增该区间值,该函数读取区间值,将其乘以 scale,并存储在 backProject(x, y) 中。从统计学的角度来看,该函数计算每个元素值相对于由直方图表示的经验概率分布的概率。例如,你可以如何找到并跟踪场景中的一个亮色物体:

在跟踪之前,让物体占据几乎整个画面,展示给摄像头。计算色调直方图。直方图可能会有强烈的峰值,对应于物体中的主导颜色。
在跟踪时,使用预先计算的直方图计算每个输入视频帧的色调平面的反向投影。对反向投影进行阈值处理以抑制弱颜色。可能还有意义的是抑制颜色饱和度不足、太暗或太亮的像素。
在结果图像中找到连通组件,并选择例如最大的组件。
这是 CamShift 颜色物体跟踪器的大致算法。

参数

  • 参数images 源数组。它们都应该具有相同的深度(CV_8U, CV_16U 或 CV_32F),并且具有相同的尺寸。每一个都可以有任意数量的通道。
  • 参数nimages 源图像的数量。
  • 参数channels用于计算反向投影的通道列表。通道的数量必须与直方图的维度相匹配。第一个数组的通道编号从 0 到 images[0].channels()-1,第二个数组的通道编号从 images[0].channels() 到 images[0].channels() + images[1].channels()-1,以此类推。
  • 参数hist 输入的直方图,它可以是密集的也可以是稀疏的。
  • 参数backProject 目标反向投影数组,它是一个单通道数组,具有与 images[0] 相同的尺寸和深度。
  • 参数ranges 每个维度的直方图区间边界的数组。参见 calcHist。
  • 参数scale 反向投影输出的可选比例因子。
  • 参数uniform 标志位,指示直方图是否是均匀的(参见上述说明)。

代码示例


#include <iostream>
#include <opencv2/opencv.hpp>using namespace std;
using namespace cv;int main()
{Mat src, hsvImg, hist;vector< Mat > hsv;int histSize = 5;src = imread( "/media/dingxin/data/study/OpenCV/sources/images/qiu.jpg" );imshow( "src", src );//转换为 HSV 通道图像cvtColor( src, hsvImg, COLOR_BGR2HSV );imshow( "hsvImg", hsvImg );//通道分离split( hsvImg, hsv );imshow( "hImg", hsv[ 0 ] );int channels[]        = { 0 };float hr[]            = { 0, 180 };const float* ranges[] = { hr };calcHist( &hsv[ 0 ], 1, &channels[ 0 ], Mat(), hist, 1, &histSize, &ranges[ 0 ] );normalize( hist, hist, 255, 0, NORM_L1 );imshow( "hist", hist );//计算反向投影Mat backImg;calcBackProject( &src, 1, &channels[ 0 ], hist, backImg, &ranges[ 0 ], 1 );imshow( "backImg", backImg );waitKey( 0 );
}

运行结果

在这里插入图片描述

这篇关于Opencv中的直方图(1)计算反向投影直方图函数calcBackProject()的使用的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1131651

相关文章

Java Spring 中 @PostConstruct 注解使用原理及常见场景

《JavaSpring中@PostConstruct注解使用原理及常见场景》在JavaSpring中,@PostConstruct注解是一个非常实用的功能,它允许开发者在Spring容器完全初... 目录一、@PostConstruct 注解概述二、@PostConstruct 注解的基本使用2.1 基本代

C#使用StackExchange.Redis实现分布式锁的两种方式介绍

《C#使用StackExchange.Redis实现分布式锁的两种方式介绍》分布式锁在集群的架构中发挥着重要的作用,:本文主要介绍C#使用StackExchange.Redis实现分布式锁的... 目录自定义分布式锁获取锁释放锁自动续期StackExchange.Redis分布式锁获取锁释放锁自动续期分布式

springboot使用Scheduling实现动态增删启停定时任务教程

《springboot使用Scheduling实现动态增删启停定时任务教程》:本文主要介绍springboot使用Scheduling实现动态增删启停定时任务教程,具有很好的参考价值,希望对大家有... 目录1、配置定时任务需要的线程池2、创建ScheduledFuture的包装类3、注册定时任务,增加、删

使用Python实现矢量路径的压缩、解压与可视化

《使用Python实现矢量路径的压缩、解压与可视化》在图形设计和Web开发中,矢量路径数据的高效存储与传输至关重要,本文将通过一个Python示例,展示如何将复杂的矢量路径命令序列压缩为JSON格式,... 目录引言核心功能概述1. 路径命令解析2. 路径数据压缩3. 路径数据解压4. 可视化代码实现详解1

Pandas透视表(Pivot Table)的具体使用

《Pandas透视表(PivotTable)的具体使用》透视表用于在数据分析和处理过程中进行数据重塑和汇总,本文就来介绍一下Pandas透视表(PivotTable)的具体使用,感兴趣的可以了解一下... 目录前言什么是透视表?使用步骤1. 引入必要的库2. 读取数据3. 创建透视表4. 查看透视表总结前言

Python 交互式可视化的利器Bokeh的使用

《Python交互式可视化的利器Bokeh的使用》Bokeh是一个专注于Web端交互式数据可视化的Python库,本文主要介绍了Python交互式可视化的利器Bokeh的使用,具有一定的参考价值,感... 目录1. Bokeh 简介1.1 为什么选择 Bokeh1.2 安装与环境配置2. Bokeh 基础2

Android使用ImageView.ScaleType实现图片的缩放与裁剪功能

《Android使用ImageView.ScaleType实现图片的缩放与裁剪功能》ImageView是最常用的控件之一,它用于展示各种类型的图片,为了能够根据需求调整图片的显示效果,Android提... 目录什么是 ImageView.ScaleType?FIT_XYFIT_STARTFIT_CENTE

Java学习手册之Filter和Listener使用方法

《Java学习手册之Filter和Listener使用方法》:本文主要介绍Java学习手册之Filter和Listener使用方法的相关资料,Filter是一种拦截器,可以在请求到达Servl... 目录一、Filter(过滤器)1. Filter 的工作原理2. Filter 的配置与使用二、Listen

Pandas使用AdaBoost进行分类的实现

《Pandas使用AdaBoost进行分类的实现》Pandas和AdaBoost分类算法,可以高效地进行数据预处理和分类任务,本文主要介绍了Pandas使用AdaBoost进行分类的实现,具有一定的参... 目录什么是 AdaBoost?使用 AdaBoost 的步骤安装必要的库步骤一:数据准备步骤二:模型

使用Pandas进行均值填充的实现

《使用Pandas进行均值填充的实现》缺失数据(NaN值)是一个常见的问题,我们可以通过多种方法来处理缺失数据,其中一种常用的方法是均值填充,本文主要介绍了使用Pandas进行均值填充的实现,感兴趣的... 目录什么是均值填充?为什么选择均值填充?均值填充的步骤实际代码示例总结在数据分析和处理过程中,缺失数