OpenCV计算反向投影

反向投影概念的理解：



首先，对上图红色方框的imgROI区域，计算灰度直方图并进行归一化，

为了好解释，这里假设直方图有5个bin（实际上我的程序为256个bin），归一化范围为0.0-255.0（实际上我的程序为0.0-1.0）

像素值的取值范围是0-51， 51-102， 102-153， 153-204， 204-255

如下图所示：



然后再来一幅的灰度图



遍历该图像的每个像素点的灰度值。

比如点（x, y）的灰度值为120，则它在上图的第三个bin中，该bin的值为255，那么我们就修改点（x, y）的灰度值为255

按照这个做法遍历完所有的像素点之后就得到了一幅新的图像，该图像即为反向投影图，如下图所示：



程序如下：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

Mat c_srcImg;
Mat g_srcImg;
Mat imgROI;
Mat dstHist;
Mat backprojection;

int main()
{
c_srcImg = imread("1.jpg");

int histSize[1] = {256};
float hranges[2] = {0, 255};
const float* ranges[1] = {hranges};
int channels[1] = {0};

cvtColor(c_srcImg, g_srcImg, COLOR_RGB2GRAY);
imgROI = g_srcImg(Rect(360, 55, 40, 50));
rectangle(c_srcImg, Rect(360, 55, 40, 50), Scalar(0, 0, 255));
imshow("c_srcImage", c_srcImg);

calcHist(&imgROI, 1, channels, Mat(), dstHist, 1, histSize, ranges);
//通过归一化该直方图，我们得到一个函数，它给出了一个给定强度的像素属于imgROI区域的概率
normalize(dstHist,	//输入直方图
dstHist,		//输出直方图（可以原地址计算）
0.0,			//缩放的最小值
1.0,			//缩放的最大值
NORM_MINMAX		//缩放类型
);
//反向投影的作用是替换输入图像中的每个像素值，使其变成归一化直方图中对应的概率值
calcBackProject(&g_srcImg,
1,					//一幅图像
channels,			//通道数量
dstHist,			//进行反射投影的直方图
backprojection,		//生成的反射投影图像
ranges,				//每个维度的值域
255.0				//缩放因子
);
imshow("backprojection", backprojection);

waitKey(0);

return 0;
}