OpenCV（python）一键入门--第五篇（图像直方图反向投影）

关于图像直方图反向投影，先展示一段代码

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

def hist2d_demo(image):
    hsv = cv.cvtColor(image, cv.COLOR_BGR2HSV)
    hist = cv.calcHist([hsv], [0, 1], None, [32, 32], [0, 180, 0, 256])
    dst = cv.resize(hist, (400, 400))
    cv.imshow("image", image)
    cv.imshow("hist", dst)
    plt.imshow(hist, interpolation='nearest')
    plt.title("2D Histogram")
    plt.show()
    
sample = cv.imread("D:/a1.jpg")
hist2d_demo(sample)
target = cv.imread("D:/a2.jpg")
hist2d_demo(target)
roi_hsv = cv.cvtColor(sample, cv.COLOR_BGR2HSV)
target_hsv = cv.cvtColor(target, cv.COLOR_BGR2HSV)

roiHist = cv.calcHist([roi_hsv], [0, 1], None, [32, 32], [0, 180, 0, 256])
cv.normalize(roiHist, roiHist, 0, 255, cv.NORM_MINMAX)
dst = cv.calcBackProject([target_hsv], [0, 1], roiHist, [0, 180, 0, 256], 1)
cv.imshow("Demo", dst)

cv.waitKey(0)
cv.destroyAllWindows()

1：cv.calcHist。有5个参数

hist = cv.calcHist([hsv], [0, 1], None, [32, 32], [0, 180, 0, 256])

· image：输入图像，传入时应该用中括号[ ]括起来
· channels：传入图像的通道，如果是灰度图像，那就只有一个通道，其值为0。如果是彩色图像，那就需要在其中选择一个，那么值为0,1,2,中选择一个，对应着BGR各个通道。这个值也要用中括号[ ]传入。
· mask：掩膜图像。如果统计整幅图，那么为None。主要是如果要统计部分图的直方图，就得构造相应的掩膜来计算。
· histSize：灰度级的个数，需要中括号，比如[256]
· ranges：像素值的范围，通常[0,256]，有的图像如果不是0-256，比如说你来回各种变换导致像素值负值、很大，则需要调整

2：resize。图像放缩

函数原型：cv.resize( InputArray src, OutputArray dst, Size, fx, fy, interpolation)InputArray src：输入图片
OutputArray dst ：输出图片
Size：输出图片尺寸
fx, fy：沿x轴，y轴的缩放系数
interpolation   ：插入方式

demo中的代码为：dst = cv.resize(hist, (400, 400))，即把放缩后的图像赋值给dst

3：matplotlib

这里使用到matplotlib的pyplot来展示图像

· plt需要先imshow一张图，然后调整参数，最后show语句再展示图片。

demo中的代码：plt.imshow(hist, interpolation='nearest')

关于interpolation，下面是官网介绍的翻译：

如果内插（interpolation）为None，默认为rcParams["image.interpolation"](默认：“反别名”)。如果插值是'none'，然后不对Agg，PS和pdf后端执行插值。其他后端默认为'antialiased'.

对于Agg，PS和pdf后端，interpolation = 'none'缩小大图像时工作正常，而interpolation = 'nearest'当一个小图像被放大时，效果很好。

看见图像抗混叠对于默认情况的讨论interpolation="antialiased"选择。

（参考网址：interpolation_methods）

参考如上效果图调整所需参数即可

4：cv.normalize

我的第3篇有描述，如果想了解，可以前往OpenCV（python）——一键入门--第3篇（归一化和视频操作入门）查看归一化的具体内容

5：反向投影calcBackProject

找到一个有意思的解释，希望可以方便大家理解反向投影

“举个栗子，给大家介绍反向投影：

        想必大家都玩过一个游戏，（没玩过的可以体验一下），一个人蒙住眼睛，其余的人在指定区域内活动，蒙眼睛的人依靠声音等方式去寻找其余的人。设蒙眼睛的人为A，其余人中有个人是B。

        假如这个人只能通过声音去寻找，那这个人其实是通过“双耳效应”，简化一下，就是说当B发出声音的时候，A听到B的声音，根据自己感知到声音传到两个耳朵的不同，顺着声音的方向，做两条反向延长线，两条线交于一个点，这个点的位置，就是B所在的位置。

        同样原理的还有测量地震的设备，很多时候，测震源有两个设备，设备对地震源做反向投影，就会找到地震的中心。

原文链接：https://blog.csdn.net/shuiyixin/article/details/80331839  ”

函数原型：dst = cv.calcBackProject(images, channels, hist, ranges, scale[, dst])

images ：输入图像，注意加 中括号[]
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

6：补充，直方图均衡化

将图像转为灰度，即可进行图像的直方图均衡化

roi_gray = cv.cvtColor(sample, cv.COLOR_BGR2GRAY)
dstt = cv.equalizeHist(roi_gray)
cv.imshow("equalizeHist_img",dstt)