学习opencv 使用反向块投影搜寻图像中的物体的位置 cvCalcBackProjectPatch
2011-08-28 11:02
483 查看
前一篇讲了使用cvCalcBackProject 寻找 手 的肤色地方
这一篇讲 在一幅图像中寻找 某个特定的小物体
步骤:
1.使用一幅只包含小物体的图片(图片大小和物体一样大即可, 不需要向上一篇同样大),计算其二维直方图 (HSV空间中的 h(亮度)和 s (饱和度) 二维直方图 (还可以和图像的梯度和(或)梯度角度结合起来,查找纹理相似 和(或) 颜色相似
2.输入一幅待搜索的图片, 转化为HSV空间 ,只取h 和 s 分量
3. 设置搜索块大小和物体大小相同(即和第1步中图片大小相同) ,使用cvCalcBackProjectPatch反向块投影 和图片result
4.在result中取最大值所在位置,即可得到物体在输入图片中的位置了。 (或者设定一个阈值)
示例程序如下:
第一步物体图片src刚好包含要搜索的物体:
第二步输入图像即待搜索的图像如下:
在我的E7200 CPU , 1GB内存 上大概运行了20秒内吧,将size内的数应该可以再适当改的更小此,速度就会提高更多了
结果如下(见图中红色小圆圈标记出来):
若待搜索的图片里有多个此物体,也是可以通过这种方法找出来的
产于cvCalcBackProjectPatch的大概意义 ,
按我的理解的话,应该是通过块窗口搜索图像,比较窗口中对应像素的二维直方图与给定直方图的差异,若完全相同,那当然就越匹配
对于不同的相关度方法,越匹配,其值由相关度方法而定,
如本程序使用的是
即越相似,则值越接近1. 反之则趋于0
其实使用的时候还可以将图像的梯度考虑进去求解,
如求出图像的梯度+色彩的多维直方图,这样就能得搜索到一定纹理特征和颜色特征的物体了。
ps:此方法搜索是通过统计学特征相似度!和模板匹配法是不同的,各有个的用途
如果只是为了检测某个不变的实物,,还不如使用模板匹配函数,更快
转载请注明出处,若有错误,请大家指正.
这一篇讲 在一幅图像中寻找 某个特定的小物体
步骤:
1.使用一幅只包含小物体的图片(图片大小和物体一样大即可, 不需要向上一篇同样大),计算其二维直方图 (HSV空间中的 h(亮度)和 s (饱和度) 二维直方图 (还可以和图像的梯度和(或)梯度角度结合起来,查找纹理相似 和(或) 颜色相似
2.输入一幅待搜索的图片, 转化为HSV空间 ,只取h 和 s 分量
3. 设置搜索块大小和物体大小相同(即和第1步中图片大小相同) ,使用cvCalcBackProjectPatch反向块投影 和图片result
4.在result中取最大值所在位置,即可得到物体在输入图片中的位置了。 (或者设定一个阈值)
示例程序如下:
#include <iostream> #include <cv.h> #include <highgui.h> #include <cxcore.h> using namespace std; void GetHSV(const IplImage *image,IplImage **h,IplImage **s,IplImage **v); int main() { IplImage *src = cvLoadImage("f:\\images\\bluecup.jpg"); IplImage *h_src = NULL ,*s_src = NULL; GetHSV(src,&h_src,&s_src,NULL); IplImage *images[] = {h_src,s_src}; CvHistogram *hist_src; {//计算二维直方图 int dims = 2; int size[] = {30,32}; // 这个地方不要取的太大! //当取为size[] = {180,256}时E7200CPU会运行长达10几分钟的! float range_h[] = {0,180} //再用cvCvtColor转换时h已经归一化到180了 ,range_s[] = {0,256}; float *ranges[] = {range_h,range_s}; hist_src = cvCreateHist(dims,size,CV_HIST_ARRAY,ranges); cvCalcHist(images,hist_src); cvNormalizeHist(hist_src,1); } IplImage *dst = cvLoadImage("f:\\images\\adrian1.jpg"); IplImage *h_dst = NULL,*s_dst = NULL; GetHSV(dst,&h_dst,&s_dst,NULL); images[0] = h_dst ,images[1] = s_dst; CvSize patch_size = cvSize(src->width,src->height); IplImage *result = cvCreateImage(cvSize(h_dst->width - patch_size.width +1,h_dst->height - patch_size.height +1) ,IPL_DEPTH_32F,1);//块搜索时处理边缘是直接舍去,故result的大小比dst小path_size大小 //32F类型,取值为0~1最亮为1,可直接显示 //CV_COMP_CORREL相关度,1时最匹配,0时最不匹配 cvCalcBackProjectPatch(images,result,patch_size,hist_src,CV_COMP_CORREL,1); cvShowImage("result",result); //找出最大值位置,可得到此位置即为杯子所在位置 CvPoint max_location; cvMinMaxLoc(result,NULL,NULL,NULL,&max_location,NULL); //加上边缘,得到在原始图像中的实际位置 max_location.x += cvRound(patch_size.width/2); max_location.y += cvRound(patch_size.height/2); //在dst图像中用红色小圆点标出位置 cvCircle(dst,max_location,3,CV_RGB(255,0,0),-1); cvShowImage("dst",dst); cvWaitKey(); cvReleaseImage(&src); cvReleaseImage(&dst); cvReleaseImage(&h_src); cvReleaseImage(&h_dst); cvReleaseImage(&s_dst); cvReleaseImage(&s_src); cvReleaseHist(&hist_src); cvReleaseImage(&result); cvDestroyAllWindows(); } void GetHSV(const IplImage *image , IplImage **h,IplImage **s,IplImage **v) { IplImage *hsv = cvCreateImage(cvGetSize(image),8,3); cvCvtColor(image,hsv,CV_BGR2HSV); if((h != NULL) && (*h == NULL)) *h = cvCreateImage(cvGetSize(image),8,1); if((s != NULL) && (*s == NULL)) *s = cvCreateImage(cvGetSize(image),8,1); if((v != NULL) && (*v == NULL)) *v = cvCreateImage(cvGetSize(image),8,1); cvSplit(hsv,*h,(s == NULL)?NULL:*s,(v==NULL)?NULL:*v,NULL); cvReleaseImage(&hsv); }
第一步物体图片src刚好包含要搜索的物体:
第二步输入图像即待搜索的图像如下:
在我的E7200 CPU , 1GB内存 上大概运行了20秒内吧,将size内的数应该可以再适当改的更小此,速度就会提高更多了
结果如下(见图中红色小圆圈标记出来):
若待搜索的图片里有多个此物体,也是可以通过这种方法找出来的
产于cvCalcBackProjectPatch的大概意义 ,
按我的理解的话,应该是通过块窗口搜索图像,比较窗口中对应像素的二维直方图与给定直方图的差异,若完全相同,那当然就越匹配
对于不同的相关度方法,越匹配,其值由相关度方法而定,
如本程序使用的是
CV_COMP_CORREL
即越相似,则值越接近1. 反之则趋于0
其实使用的时候还可以将图像的梯度考虑进去求解,
如求出图像的梯度+色彩的多维直方图,这样就能得搜索到一定纹理特征和颜色特征的物体了。
ps:此方法搜索是通过统计学特征相似度!和模板匹配法是不同的,各有个的用途
如果只是为了检测某个不变的实物,,还不如使用模板匹配函数,更快
转载请注明出处,若有错误,请大家指正.
相关文章推荐
- 学习opencv 使用反向块投影搜寻图像中的物体的位置 cvCalcBackProjectPatch
- 学习opencv,使用反向块投影搜索图像中物体的位置cvCalcBackProjectPatch
- 学习opencv 使用反向块投影搜寻图像中的物体的位置 cvCalcBackProjectPatch()
- 使用反向块投影搜寻图像中的物体 cvCalcBackProjectPatch
- opencv 反向投影 cvCalcBackProject的示例 ,用图像中某中颜色的区域
- opencv中直方图的反向投影之cvCalcBackProjectPatch
- opencv 反向投影 cvCalcBackProject的示例 ,用图像中某中颜色的区域
- 深度学习中图像的指定图像位置的裁剪处理-使用python、opencv
- cvCalcBackProjectPatch() 基于块的反向投影
- opencv学习---计算图像的水平积分投影和垂直积分投影
- OpenCV2马拉松第10圈——直方图反向投影(back project)
- 有关opencv的学习(13)—使用固定阈值处理图像
- cvCalcBackProject() 直方图反向投影匹配
- OpenCV学习——物体跟踪的粒子滤波算法实现之位置可能性确定
- 有关opencv的学习(14)—使用自适应阈值处理图像
- opencv学习(5) 使用迭代器遍历图像的像素
- 使用OpenCV中的moments类计算物体质心位置
- OpenCV2马拉松第10圈——直方图反向投影(back project)
- meanshift算法学习(一):opencv中的calcBackProject
- OpenCv学习笔记(四):使用split函数提取彩色图像的三个通道