python+opencv 直方图反向投影

最新推荐文章于 2024-01-02 10:08:22 发布

原创最新推荐文章于 2024-01-02 10:08:22 发布 · 323 阅读

1 ·

CC 4.0 BY-SA版权

本文介绍了一种图像处理技术——直方图反向投影，通过将RGB色彩空间转换为HSV色彩空间，并计算和应用2D直方图，实现对目标图像的精确定位和分析。文中详细展示了使用OpenCV库进行直方图反向投影的步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

直方图反向投影

1、先把RGB色彩空间转换为HSV色彩空间

2、计算样本的2D直方图

3、对样本直方图作归一化

4、对目标图像作反向投影

import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt


def back_project_demo():
    sample = cv.imread('C:/Users/Y/Pictures/Saved Pictures/lena.png')
    target = cv.imread('C:/Users/Y/Pictures/Saved Pictures/lenanoise.png')
    roi_hsv = cv.cvtColor(sample, cv.COLOR_BGR2HSV)
    target_hsv = cv.cvtColor(target, cv.COLOR_BGR2HSV)


    # show iamges
    cv.imshow('sample', sample)
    cv.imshow('target', target)
    # 计算样本的2D直方图，[0, 1]表示2个通道，[180，256]分别表示两个通道的范围，[0,180,0,256]是固定的值，不用改
    # 是HSV两个通道的取值范围
    # [180,256]这两个值的数值越大，对像素的划分越精细，图像看起来越不准确，可适当将数值改小
    roiHist = cv.calcHist([roi_hsv], [0, 1], None, [180, 256], [0, 180, 0, 256])
    # 根据MINMAX作归一化
    cv.normalize(roiHist, roiHist, 0, 255, cv.NORM_MINMAX)
    # 反向投影
    dst = cv.calcBackProject([target_hsv], [0, 1], roiHist, [0, 180, 0, 256], 1)
    cv.imshow('backProjectionDemo', dst)

# 建立2D直方图
def hist2d_demo(image):
    hsv = cv.cvtColor(image, cv.COLOR_BGR2HSV)
    # mask是None，两个通道的histSize分别是180和256，H范围是0-180，S范围是0-256,
    hist = cv.calcHist([image], [0, 1], None, [32, 32], [0, 180, 0, 256])
    # cv.imshow('hist2d', hist)
    plt.imshow(hist, interpolation='nearest')
    plt.title('2D Histogram')
    plt.show()


src = cv.imread('C:/Users/Y/Pictures/Saved Pictures/demo.png')
cv.namedWindow('input image', cv.WINDOW_AUTOSIZE)
cv.imshow('input image', src)
hist2d_demo(src)
back_project_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()

原图像原图相对应的2D直方图