【OpenCV学习笔记 007】使用直方图统计像素

#include<iostream> #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> #include <opencv/cv.h> using namespace std; class ColorHistogram{ private: int histSize[3]; float hranges[2]; const float* ranges[3]; int channels[3]; public: ColorHistogram(){ //准备彩色直方图的参数 histSize[0] = histSize[1] = histSize[2] = 256; hranges[0] = 0.0; //BGR的范围 hranges[1] = 255.0; ranges[0] = hranges; //所有通道拥有相同的范围 ranges[1] = hranges; ranges[2] = hranges; channels[0] = 0; channels[1] = 1; channels[2] = 2; } cv::SparseMat getHistogram(const cv::Mat &image); cv::MatND getHueHistogram(const cv::Mat &image, int); }; cv::SparseMat ColorHistogram::getHistogram(const cv::Mat &image){ cv::SparseMat hist(3, histSize, CV_32F); //计算直方图 cv::calcHist(&image, 1, //仅计算一张图 channels, //通道数量 cv::Mat(), //不使用掩码图像 hist, //返回的直方图 3, //这是三维直方图 histSize, //项的数量 ranges //像素值的范围 ); return hist; } //1.使用掩码计算1D色调直方图 2.BGR图像转换为HSV色彩空间并去除低饱和度的像素 cv::MatND ColorHistogram::getHueHistogram(const cv::Mat &image, int minSaturation = 0){ cv::MatND hist; //转换为HSV色彩空间 cv::Mat hsv; cv::cvtColor(image, hsv, CV_BGR2HSV); //是否使用掩码 cv::Mat mask; if (minSaturation > 0) { //分割三通道为三幅图像 std::vector<cv::Mat>v; cv::split(hsv, v); //标出低饱和度的像素 cv::threshold(v[1], mask, minSaturation, 255, cv::THRESH_BINARY); } //1D色调直方图的参数 hranges[0] = 0.0; hranges[1] = 180.0; channels[0] = 0; //色调通道 //计算直方图 cv::calcHist( &hsv, 1, //仅计算一幅图 channels, //通道数量 mask, //二值掩码 hist, //返回的直方图 1, //这是1D的直方图 histSize, //项的数量 ranges //像素值的范围 ); return hist; } class ContentFinder{ private: float hranges[2]; const float *ranges[3]; int channels[3]; float threshold; cv::MatND histogram; public: ContentFinder() :threshold(-1.0f){ ranges[0] = hranges; //所有通道的值相同 ranges[1] = hranges; ranges[2] = hranges; } void setThreshold(float t); float getThreshold(); void setHistogram(const cv::MatND&h); cv::Mat find(const cv::Mat &image, float minValue, float maxValue, int *channels, int dim); }; //设置直方图的阈值[0,1] void ContentFinder::setThreshold(float t){ threshold = t; } //获取阈值 float ContentFinder::getThreshold(){ return threshold; } //设置参考直方图 void ContentFinder::setHistogram(const cv::MatND&h){ histogram = h; cv::normalize(histogram, histogram, 1.0); } //为了反投影直方图，我们需要指定图像、范围及所用范围通道的列表 cv::Mat ContentFinder::find(const cv::Mat &image, float minValue, float maxValue, int *channels, int dim){ cv::Mat result; hranges[0] = minValue; hranges[1] = maxValue; for (int i = 0; i < dim; i++) this->channels[i] = channels[i]; cv::calcBackProject(&image, 1, //输入图像 channels, //所用通道的列表 histogram, //直方图 result, //反投影的结果 ranges, //值域 255.0 //缩放因子 ); //进行阈值化以得到二值图像 if (threshold > 0.0) cv::threshold(result, result, 255 * threshold, 255, cv::THRESH_BINARY); return result; } int main461(){ //读取第一张参考图像 cv::Mat srcImage = cv::imread("Baboon.jpg"); if (!srcImage.data) return 0; //狒狒脸部的ROI cv::Mat imageROI = srcImage(cv::Rect(200, 60, 80, 80)); //获取色调通道的直方图 int minSat = 65; ColorHistogram hc; cv::MatND colorhist = hc.getHueHistogram(imageROI, minSat); //读取需要跟踪的图片 cv::Mat srcImage2 = cv::imread("Baboon2.jpg"); cv::Mat hsvColor; //转到HSV空间 cv::cvtColor(srcImage2, hsvColor, CV_BGR2HSV); //分割三通道为三幅图像 std::vector<cv::Mat>hsv; cv::split(srcImage2, hsv); //产生的直方图作为 ContentFinder实例 ContentFinder finder; finder.setHistogram(colorhist); //得到目标图像的反投影直方图 cv::Mat result; int ch[255] = { 0 }; result = finder.find(hsvColor, 0.0f, 180.0f, ch, 1); //识别低饱和度的像素 cv::threshold(hsv[1], hsv[1], minSat, 255, cv::THRESH_BINARY); //去除低饱和度的像素 cv::bitwise_and(result, hsv[1], result); cv::Rect rect(200, 60, 80, 80); cv::rectangle(srcImage, rect, cv::Scalar(0, 0, 255)); cv::rectangle(srcImage2, rect, cv::Scalar(0, 0, 255)); //定义迭代的次数以及迭代的精度 cv::TermCriteria criteria(cv::TermCriteria::MAX_ITER, 10, 0.01); //meanShift算法 跟踪目标 并且得到新目标的位置rect cv::meanShift(result, rect, criteria); cv::rectangle(srcImage2, rect, cv::Scalar(0, 0, 255)); //显示图像 cv::namedWindow("result"); cv::imshow("result", result); cv::namedWindow("srcImage2"); cv::imshow("srcImage2", srcImage2); cv::waitKey(0); return 0; }