CV算法:反向投影(Back Projection)

参考资料:
选取ROI
Back Projection
给出ROI的直方图分布,主要要归一化,把每个柱子当作对应强度出现的概率,然后在测试图像中,每个像素点的强度去查询前面的概率(0~1),然后作为新图像的强度(也可以乘以255得到整形强度值)。
程序流程,BGR->HSV->Hue
然后取出ROI进行生成直方图数据
然后再backproject在整个Hue上面。
程序运行后,框一个框,然后回车或者是空格。
对魔方的识别还不是很好,每种颜色都要自定义一些参数,然后会有稍微一些混淆。肤色识别的很好。




代码:


string windowName = "back project";
const int maxSlideValue = 255;
int slideValue;
Mat src, hsv, hue, ROI, hist, imBackProject;
int threashold = 10;
int histSize = 10;

void on_trackbar1(int slideValue, void* imBackProject){
    threashold = slideValue;

    //分析ROI的直方图分布
    float hue_range[] = { 0, 255 };
    const float* ranges = { hue_range };
    calcHist(&ROI, 1, 0, Mat(), hist, 1, &histSize, &ranges);
    normalize(hist, hist, 0, 255, NORM_MINMAX);

    calcBackProject(&hue, 1, 0, hist, *(Mat *)imBackProject, &ranges, 1, true);

    Mat imBackProject2;
    threshold(*(Mat *)imBackProject, imBackProject2, threashold, 255, THRESH_BINARY);
    imshow(windowName, imBackProject2);
}


void on_trackbar2(int slideValue, void* imBackProject) {
    histSize = max(slideValue,2);

    //分析ROI的直方图分布
    float hue_range[] = { 0, 255 };
    const float* ranges = { hue_range };
    calcHist(&ROI, 1, 0, Mat(), hist, 1, &histSize, &ranges);
    normalize(hist, hist, 0, 255, NORM_MINMAX);

    calcBackProject(&hue, 1, 0, hist, *(Mat *)imBackProject, &ranges, 1, true);

    Mat imBackProject2;
    threshold(*(Mat *)imBackProject, imBackProject2, threashold, 255, THRESH_BINARY);
    imshow(windowName, imBackProject2);
}


int main() {


    //转化为HSV
    //src = imread("4cube.png");
    src = imread("hands.jpg");
    cvtColor(src, hsv, COLOR_BGR2HSV);
    hue.create(hsv.size(), hsv.depth());
    int ch[] = { 0, 0 };
    mixChannels(&hsv, 1, &hue, 1, ch, 1);

    //while (1) {
        //选出ROI
        Rect r = selectROI(src);
        ROI = hue(r);



        namedWindow(windowName);
        createTrackbar("阈值化的阈值", windowName, &slideValue, maxSlideValue, on_trackbar1, &imBackProject);
        createTrackbar("直方图纵轴个数", windowName, &slideValue, maxSlideValue, on_trackbar2, &imBackProject);
        on_trackbar1(threashold, &imBackProject);
        on_trackbar2(histSize, &imBackProject);

        //threshold(imBackProject, imBackProject, 30, 255, THRESH_BINARY);
        //imshow(windowName, imBackProject);
    //}

END:
    waitKey(0);
    system("pause");
    return 0;
}
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,122评论 6 505
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,070评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,491评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,636评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,676评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,541评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,292评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,211评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,655评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,846评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,965评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,684评论 5 347
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,295评论 3 329
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,894评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,012评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,126评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,914评论 2 355

推荐阅读更多精彩内容