OpenCV_颜色直方图的计算、显示、处理、对比及反向投影

首先介绍一下直方图
一.用带权重的样本统计直方图
直方图Histogram，是一种常见的概率分布的非参数（区别于高斯分布，泊松分布等用参数表达概率密度的方法）表达方法。直方图可以看成概率密度分布的离散化表达方法。它的计算很简单，是一种投票的方法，就是每个样本往对应的小盒子(bin)里投一票。假设N个样本数据x量化为1～M之间的整数，那么Hist是M维数组，对应的直方图计算方法如下：

//initializing
for i=1:M
Hist[i] = 0;
end
//voting
for i = 1:N
Hist[x[i]] += 1 ;
end

为了表示成概率分布，需要Hist数组和为1：
//normalize
for j = 1:M
Hist[j] = Hist[j]/sum(Hist) ; //sum(Hist) = Hist[1] + Hist[2] + ... + Hist[M];
end

在这里sum(Hist)等于样本个数N。以上“投票+归一化”两个步骤，其实可以和成一步，即每个样本x[i]有一个对应的权重w[i]=1/N，投票的时候往小盒子里放的是权重：

//initializing
for i=1:M
Hist[i] = 0;
end
//voting
for i = 1:N
Hist[x[i]] += w[i] ;
end

这样得到数组Hist里的每个值都是一个0-1之间的小数，表示当x取这个值(数组对应的下标)时候的概率。

二.样本权重的变化影响直方图形状
如果想改变一个概率分布取曲线的形状，比如，在训练的时候要强调x[i]=3的样本，一种办法是增加这种样本的个数，使Hist[3]变大，另一种方法是增加和它对应的样本的权重w[i]，让某些样本产生“一个顶俩”的效果，这两种方式都能起到改变概率分布的作用。

对人脸检测这类基于图像的目标检测方法，需要搜集大量样本进行离线的训练，样本要尽可能覆盖所有可能的情况，从而使所提取特征的概率分布具有代表性，当样本数趋向于无穷大的时候，概率分布就趋向于真实的分布情况。但通常在实际中，样本数总是有限的，这时就可以通过增加某些比较重要的样本的权重，来达到看起来是增加了某些样本数量的效果。

另外，直方图数组Hist的某个bin中的样本权重的改变，不应该仅仅影响当前的bin，也应该对周围相邻的bin造成影响。比如，在统计一个地区人群的身高分布的时候，如果只有一个样本x=1.65m，我们可以在Hist数组中对应1.6<=x<1.7这一个bin里投上一票，但是1.5<=x<1.6和1.7<=x<1.8两个bin的得票为0。其实不应该这样，根据身高应该是连续分布的这一假设，从样本x=1.65m可以安全地推断出世上也应该有身高1.59和1.71的人，这样左右两个相邻的bin的值就不应为0，应该也受到x=1.65m这个样本的影响，这种影响可以假设是服从高斯分布，即越远的bin受影响越小。这其实是另一种常见的概率密度估计的非参数方法，kernel density estimation(KDE)。我们的人脸检测应用由于样本足够多，所以没有考虑这一方法。也就是说，每个特征值在投票的时候，只对一个bin起作用，不影响相邻的那两个。
颜色直方图直观的显示了图像在色彩空间的分布状况，本文将讨论在OpenCv中跟直方图相关的一些基本操作，包括：计算、显示、处理、对比及反向投影.

直方图的计算、显示、处理
OpenCv中，可以用方法cvCalcHist方法计算图像的直方图。不过值得注意的是，该方法的第一个参数image是一个指向数组的IplImage* 类型指针。这允许利用多个图像通道。对于多通道图像（如ＨＳＶ或者ＲＧＢ），在调用函数ｃｖＣａｌｃＨｉｓｔ（）之前，先要调用函数cvSplit()将图像分为单通道，此方法与宏cvCvtPixtoPlane等同，然后再选择需要参与直方图计算的通道。下面有几段计算直方图的代码，分别计算单通道（红色）直方图、色调和饱和度直方图。

如何在OpenCV中绘制一个直方图？下面是有关于绘制直方图实验的学习总结：

1.cvCreateHist(dim,&size,flag,**range,uniform):

dim为hist的维度；size为总分区间数；flag为标记图像是什么类型，是CV_HIST_ARRAY,还是CV_HIST_TREE,然后就可以选择如何保存数据，如果CV_HIST_ARRAY,就用CvMatND（多维密集数组）；如果CV_HIST_TREE,就使用CvSparseMat（多维稀疏数组）；range为每个维度的范围；uniform为归一化标识，这个还不是很好理解。

2.IplImage中有一个属性可以设置图像的原点坐标，0代表左上角，1代表左下角。(image->origin)

3.cvCalcHist(**imge,*hist):

image为统计图像，hist为直方图结构体

4.获取了直方图信息后，可以通过直方图结构体直接访问内部信息：

hist->type；hist->thresh[i][0]和hist->thresh[i][1]分别存储上阀值和下阀值。如果CV_HIST_ARRAY的话，可以通过(（CvMatND*）hist->bins)->data.fl[i]获取统计值。不过OpenCV已经提供了一个很好的方法去查询，cvQueryHistValue_*D(hist,d...);

5.可以通过CV_RGB(R,G,B)的宏设置RGB颜色。

6.直方图的绘制，使用cvQueryHistValue_*D去获取统计值，然后绘制在一个创建好的图像中。可以通过cvLine或者cvRectangle方法。

7.还可以通过设置range的范围来获取有需要的区域，如果这样的话，最好在画直方图的时候，计算好每个区间的width值。

8.cvGetMinMaxValue(hist,*min,*max,*minindex,*maxindex):

min和max必须为float类型，minindex和maxindex为最小最大值的位置

9.cvRound方法：四舍五入

10.从HSV颜色转换为RGB颜色：

IplImage* hsv_color = cvCreateImage(cvSize(1,1),8,3);
IplImage* rgb_color = cvCreateImage(cvSize(1,1),8,3);

cvSet2D(hsv_color,0,0,cvScalar(h*180.f/h_bins,s*255.f/s_bins,255,0));
cvCvtColor(hsv_color,rgb_color,CV_HSV2BGR);
CvScalar color = cvGet2D(rgb_color,0,0);

具体代码如下：

View Code

int main( int argc, char** argv ) {

IplImage *src, *templ,*ftmp[6]; //ftmp is what to display on
int i;

//Read in the template to be used for matching:
if((templ=cvLoadImage("flower1.jpg", 1))== 0) {
printf("Error on reading template /n");
return(-1);
}

//Read in the source image to be searched:
if((src=cvLoadImage("flower.jpg", 1))== 0) {
printf("Error on reading src image /n");
return(-1);
}

int patchx = templ->width;
int patchy = templ->height;
int iwidth = src->width - patchx + 1;
int iheight = src->height - patchy + 1;
for(i=0; i<6; ++i){
ftmp[i] = cvCreateImage( cvSize(iwidth,iheight),32,1);
}

//DO THE MATCHING OF THE TEMPLATE WITH THE IMAGE
for(i=0; i<6; ++i){
cvMatchTemplate( src, templ, ftmp[i], i);
//  double min,max;
//  cvMinMaxLoc(ftmp,&min,&max);
cvNormalize(ftmp[i],ftmp[i],1,0,CV_MINMAX);
}
//DISPLAY
cvNamedWindow( "Template", 0 );
cvShowImage(   "Template", templ );
cvNamedWindow( "Image", 0 );
cvShowImage(   "Image", src );

cvNamedWindow( "SQDIFF", 0 );
cvShowImage(   "SQDIFF", ftmp[0] );

cvNamedWindow( "SQDIFF_NORMED", 0 );
cvShowImage(   "SQDIFF_NORMED", ftmp[1] );

cvNamedWindow( "CCORR", 0 );
cvShowImage(   "CCORR", ftmp[2] );

cvNamedWindow( "CCORR_NORMED", 0 );
cvShowImage(   "CCORR_NORMED", ftmp[3] );

cvNamedWindow( "CCOEFF", 0 );
cvShowImage(   "CCOEFF", ftmp[4] );

cvNamedWindow( "CCOEFF_NORMED", 0 );
cvShowImage(   "CCOEFF_NORMED", ftmp[5] );

//LET USER VIEW RESULTS:
cvWaitKey(0);

return 0;
}

感谢您耐心看完本文，希望对您有所帮助。