图像直方图反向投影，Python OpenCV 取经之旅第 28 天

Python OpenCV 365 天学习计划，与橡皮擦一起进入图像领域吧。

基础知识铺垫

通过直方图的反向投影，可以在图像 A 中查找特定的图像 B，一般情况下图像 A 比较大，图像 B 比较小或者图像 B 只有 1 个像素。

可以查找到最匹配的区域图像或者像素点。

翻译的理论一些就是，定位模板图像在输入图像中的位置。

在翻译成白话，就是计算图像为某一特征的直方图模型，然后使用模型去寻找图像中存在的该特征。

如果深究下去，图像的反向投影涉及的数学知识点也非常多，不过，取经之旅初期，咱们不深究这些内容。

cv2.calcBackProject 函数

在 Python OpenCV 中提供了一个用于实现反向投影的函数 cv2.calcBackProject 。

下面我们具体学习一下该函数如何使用。

函数原型说明

dst = cv2.calcBackProject(images, channels, hist, ranges, scale[, dst])

  

 

  
1
 

参数说明如下：

• images ：输入图像，注意加 []；
• channels：通道，通道数必须与直方图维度相匹配，
• hist：图象的直方图；
• ranges：直方图的变化范围；
• scale：输出反投影的可选比例因子。

案例 Demo 如下：

import cv2 as cv
from matplotlib import pyplot as plt

def back_projection_demo(): # 读取图片 test = cv.imread("test1.jpg") target = cv.imread("target.jpeg") # 转换为 HSV 格式 roi_hsv = cv.cvtColor(test, cv.COLOR_BGR2HSV) target_hsv = cv.cvtColor(target, cv.COLOR_BGR2HSV) cv.imshow("sample", test) cv.imshow("target", target) # 计算直方图 roiHist = cv.calcHist([roi_hsv], [0, 1], None, [64, 64], [0, 180, 0, 256]) # 获取直方图的反向投影 dst = cv.calcBackProject([target_hsv], [0, 1], roiHist, [0, 180, 0, 256], 1) cv.imshow("back_projection_demo", dst)

back_projection_demo()
cv.waitKey(0)

cv.destroyAllWindows()

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
  
17
  
18
  
19
  
20
  
21
  
22
  
23
  
24
  
25
 

先看一下运行效果。

不过这个效果实在不是很理想，为了获取到更精确的值，我增加了一个滑动条。

修改代码成如下这个样子。

import cv2 as cv
from matplotlib import pyplot as plt

winName = 'getTrackbarPos'
# 新建窗口
cv.namedWindow(winName, cv.WINDOW_NORMAL)

def nothing(): pass

cv.createTrackbar('hue', winName, 60, 180, nothing)
cv.createTrackbar('sat', winName, 60, 256, nothing)

def back_projection_demo(): # 读取图片 test = cv.imread("test1.jpg") # 转换为 HSV 格式 roi_hsv = cv.cvtColor(test, cv.COLOR_BGR2HSV) target = cv.imread("target.jpeg") target_hsv = cv.cvtColor(target, cv.COLOR_BGR2HSV) cv.imshow("sample", test) cv.imshow("target", target) while(1): # 从滑动条读取数据 hue = cv.getTrackbarPos('hue', winName) sat = cv.getTrackbarPos('sat', winName) # 计算直方图 roiHist = cv.calcHist([roi_hsv], [0, 1], None, [ hue, sat], [0, 180, 0, 256]) # 获取直方图的反向投影 dst = cv.calcBackProject([target_hsv], [0, 1], roiHist, [0, 180, 0, 256], 1) cv.imshow(winName, dst) if cv.waitKey(1) == ord('q'): break

back_projection_demo()
cv.destroyAllWindows()

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
  
17
  
18
  
19
  
20
  
21
  
22
  
23
  
24
  
25
  
26
  
27
  
28
  
29
  
30
  
31
  
32
  
33
  
34
  
35
  
36
  
37
  
38
  
39
  
40
  
41
  
42
 

反复调整之后，发现直方图反向投影，除了给橡皮擦增加一个函数认知外，并没有产生过多的思考，可能学习的还不够深入，总之把这个函数收入脑中，日后再次出现的时候，我们拿出来在品味一下。

补充一下官方说明地址：点击查阅

橡皮擦的小节

希望今天的 1 个小时，你有所收获，我们下篇博客见~

相关阅读

1. Python 爬虫 100 例教程，超棒的爬虫教程，立即订阅吧
2. Python 爬虫小课，精彩 9 讲

今天是持续写作的第 69 / 100 天。
如果你有想要交流的想法、技术，欢迎在评论区留言。

如果你想跟博主建立亲密关系，可以关注同名公众号 梦想橡皮擦，近距离接触一个逗趣的互联网高级网虫。
博主 ID：梦想橡皮擦，希望大家点赞、评论、收藏。

文章来源: blog.csdn.net，作者：梦想橡皮擦，版权归原作者所有，如需转载，请联系作者。

原文链接：blog.csdn.net/hihell/article/details/113406002