学习opencv 使用反向块投影搜寻图像中的物体的位置 cvCalcBackProjectPatch

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：

#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.