图像反向投影

Love The Way You Lie 2022-08-14 03:51 203阅读 0赞

反向投影：

OpenCV 资料里给出的概念是“一种记录给定图像中的像素点如何适应直方图模型像素分布的方式。简单的讲， 所谓反向投影就是首先计算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。”简单一点理解就是模板匹配，给定一个目标模板，然后再逐个遍历原图像和模板图像相同的图像块，对比图像块和模板的直方图，然后把比较结果存入一个新的图像中，新图像中的全局极值就是模板在原图像中所在的位置。

如果用统计学术语，输出图像象素点的值是观测数组在某个分布（直方图）下的概率。用下式表示：

![20141128092753800][]

来自参考博客：[反向投影图 ][Link 1]

其中b(xi)表示在位置xi上像素对应的直方图第b(xi)个bin(可以理解为第b(xi)个灰度级区间)，直方图共m个bin，qu表示第u个bin的值。

以例子说明

(1)例如灰度图像如下

Image=

0 1 2 3

4 5 6 7

8 9 10 11

8 9 14 15

(2)该灰度图的直方图为（bin指定的区间为\[0,3)，\[4,7)，\[8,11)，\[12,16)）

Histogram=

4 4 6 2

(3)反向投影图

Back\_Projection=

4 4 4 4

6 6 6 6

6 6 2 2

例如位置(0,0)上的像素值为0，对应的bin为\[0,3)，所以反向直方图在该位置上的bin值为4。

同时参考博客中还给出了测试代码。。。

图像的反向投影图是用输入图像的某一位置上像素值（多维或灰度）对应在直方图的一个bin上的值来代替该像素值，所以得到的反向投影图是单通的。通常情况下我们需要将RGB空间的彩色图像转换到HSV彩色空间。在HSV空间中，H(hue)代表色调，包括了图像的颜色信息，通常不会与S和V通道相互影响。但是如果在CamShift算法中跟踪的区域的H、V值很低的话，表示照明度和对比度不高，会影响跟踪效果。因为有很多噪声影响H通道。

下面给一个OpenCV中关于反向投影的demo：

#include <iostream>
    #include "cv.h"
    #include "highgui.h"
    
    using namespace std;
    using namespace cv;
    
    //declare image matrix
    //initialize bin number
    Mat srcImg;
    Mat hsv;
    Mat hue;
    int bins = 25;
    
    void histAndBackProject(int,void *)
    {
    	MatND hist;
    	int histSize = max(bins,2);
    	float hueRange[] = {0,180};
    	const float* range = {hueRange};
    
    	//calc hist and normalize
    	calcHist(&hue,1,0,Mat(),hist,1,&histSize,&range,true,false);
    	//	normalize to [0,255] 
    	normalize(hist,hist,0,255,NORM_MINMAX,-1,Mat());
    
    	//calc back projection
    	MatND backProj;
    	calcBackProject(&hue,1,0,hist,backProj,&range,1,true);
    
    	//show back projection
    	imshow("Back Projection",backProj);
    	
    	//show 1-D hist
    	int w = 400;
    	int h = 400;
    	int binW = cvRound((double)w/histSize);
    	Mat histImg = Mat::zeros(w,h,CV_8UC3);
    	for(int i = 0;i < bins;i++)
    	{
    		rectangle(histImg,Point(i*binW,h),
    			Point((i+1)*binW,h-cvRound(hist.at<float>(i)*h/255.0)),Scalar(0,0,255),-1);
    	}
    	imshow("Histogram",histImg);
    }
    
    int main(int argc,char** argv)
    {
    	srcImg = imread("lena.jpg");
    	cvtColor(srcImg,hsv,CV_BGR2HSV);
    	//only used H channel to create 1-D histogram,we can also create H-S histogram 
    	hue.create(hsv.size(),hsv.depth());  
    	int ch[] = {0,0};
    	//	&hsv: 一系列输入图像的数组， 被拷贝的通道的来源;
    	//	1: 输入数组中图像的数目;
    	//	&hue: 一系列目的图像的数组， 储存拷贝的通道;
    	//	1: 目的数组中图像的数目;
    	//	ch[] = {0,0}: 通道索引对的数组，指示如何将输入图像的某一通道拷贝到目的图像的某一通道,
    	//	在这里，&hsv图像的Hue(0) 通道被拷贝到&hue图像(单通道)的0 通道;
    	//	1: 通道索引对数目;
    	mixChannels(&hsv,1,&hue,1,ch,1);
    	char* windowImg = "Source Image";
    	namedWindow(windowImg,CV_WINDOW_AUTOSIZE);
    	//	创建Trackbar方便用户输入bin数目;
    	//	Trackbar的任何变动将会调用函数histAndBackProject
    	createTrackbar("Hue bins ",windowImg,&bins,180,histAndBackProject);
    	histAndBackProject(0,0);
    
    	imshow(windowImg,srcImg);
    
    	cvWaitKey(0);
    	return 0;
    }

这篇博客中介绍了几种实现反向投影的理论方法：[点这里][Link 2]

[20141128092753800]: /images/20220810/5f95e800f7ea471598c773d9563a0e87.png
[Link 1]: http://blog.163.com/thomaskjh@126/blog/static/370829982010112810358501/
[Link 2]: http://www.cnblogs.com/tiandsp/archive/2012/11/22/2782500.html