作者:Tibetan-妍自_557 | 来源:互联网 | 2023-05-18 11:42
目的:直方图在cv领域到处可见,因为其功能在cv算法的实现中比不可少。Opencv库中也集成了关于直方图的不少函数,比如直方图的计算,均衡,归一化,相似度比较等等。为了体验这些函数,
目的:
直方图在cv领域到处可见,因为其功能在cv算法的实现中比不可少。Opencv库中也集成了关于直方图的不少函数,比如直方图的计算,均衡,归一化,相似度比较等等。
为了体验这些函数,做了个小实验,功能是:打开摄像头,鼠标选定一个框,框内图像作为标准图像,计算出其直方图并显示出来;然后继续鼠标选定框,该框内的图像的直方
图与标准图像的进行相似度计算,计算结果在终端输出,数值越大表示相似度越大。
工程环境:opencv2.3.1+vs2010。
工程代码:
1 // hist_test.cpp : 定义控制台应用程序的入口点。
2 //
3
4 #include "stdafx.h"
5 #include
6 #include
7 #include
8 #include
9 #include
10
11 using namespace cv;
12 using namespace std;
13
14 int nFrame_num=0;
15 bool pause=false;
16 bool tracking=false;
17 Rect preselectROI,selectROI;//用于存放手选的矩形
18 bool comp=true;
19
20 Mat rhist,ghist,bhist;
21 int channels[]={0,1,2};
22 //const int histsize[]={256,256,256};
23 const int histsize[]={16,16,16};
24 const int histsize1=16;
25 float rranges[]={0,255};
26 float granges[]={0,255};
27 float branges[]={0,255};
28 float range[]={0,255};
29 const float *ranges1={range};//这里的ranges就相当于一个双指针了
30 const float *ranges[]={rranges,granges,branges};//ranges是个双指针,且前面一定要用const,即不可改变常量,提高程序的可读性和稳健性
31 //const float *ranges[]={{0,255},{0,255},{0,255}};
32
33 void onMouse(int event,int x,int y,int,void *)
34 {
35 if(event==CV_EVENT_LBUTTONDOWN)
36 {
37 selectROI.x=x;
38 selectROI.y=y;
39 tracking=false;
40 }
41 else if(event==CV_EVENT_LBUTTONUP)
42 {
43 selectROI.
camera",
1);
68 namedWindow(
"rgb_hist",
1);
69 setMouseCallback(
"camera",onMouse,
0);
//这里用的是面向对象的思想,只要有鼠标动作就会调用鼠标响应函数 70 71 while(
1)
72 {
73 if(!pause)
//暂停按钮只需控制视频的读取 74 {
75 cam>>
frame;
76 if(frame.empty())
77 break;
//break此处跳出的是while语句,一般是跳出for或while语句,不要理解为跳出if语句 78 }
79 /* if(1==nFrame_num)
80 {
81 82 }*/ 83 if(tracking)
84 {
85 Mat RoiImage(frame,selectROI);
86 87 /*************************************************************************************************************************/ 88 /**** calcHist():计算图像块的直方图矩阵 ****/ 89 /****calcHist(),第1个参数为原数组区域列表;第二个参数为有计算几个原数组;参数3为需要统计的通道索引数;参数4为操作掩码****/ 90 /****第5个参数为存放目标直方图矩阵;参数6为需要计算的直方图的维数;参数7为每一维的bin的个数;参数8为每一维数值的取值范围****/ 91 /****参数10为每个bin的大小是否相同的标志,默认为1,即bin的大小都相同;参数11为直方图建立时清除内存痕迹标志,默认为0,即清除****/ 92 /*************************************************************************************************************************/ 93 calcHist(&RoiImage,
1,channels,Mat(),RoiHist,
3,histsize,ranges);
//原数组区域RoiImage,1个源,需要统计的通道索引为{0,1,2},
94 //目标直方图RoiHist,3维,每一维的bin数histsize,取值范围为
95 //ranges,实际上计算出的目标矩阵类似一维矩阵。 96 97 98 /*************************************************************************************************************************/ 99 /**** normalize():根据某种范数或者数值范围归一化数组 ****/100 /**** normalize(),参数1表示需要归一化的数组;参数2为归一化后的目的数组;参数3表示输出数值的最小值/最大值或者输出数值的范数;****/101 /**** 参数4表示输出数值的最小值/最大值;参数5表示归一化数组使用的归一化类型,默认值为使用L2范数;参数6为对应元素的掩膜矩阵 ****/102 /**** 默认值为空,即不采用掩膜操作 ****/103 /*************************************************************************************************************************/104 normalize(RoiHist,RoiHist);
//使用L2范数将RoiHist直方图原地归一化105 106 vector
rgb_planes;//这里的vector为向量,向量的数据类型为Mat结构体,向量的长度为3
107 split(RoiImage,rgb_planes);//将rgb图分解到rgb_planes各个分量中
108 calcHist(&rgb_planes[0],1,0,Mat(),rhist,1,&histsize1,&ranges1);
109 normalize(rhist,rhist,0,DRAW_H,NORM_MINMAX);//进行最大最小值归一化
110 calcHist(&rgb_planes[1],1,0,Mat(),ghist,1,&histsize1,&ranges1);
111 normalize(ghist,ghist,0,DRAW_H,NORM_MINMAX);
112 calcHist(&rgb_planes[2],1,0,Mat(),bhist,1,&histsize1,&ranges1);
113 normalize(bhist,bhist,0,DRAW_H,NORM_MINMAX);
114 if(nFrame_num==1)
115 {
116 // preselectROI=selectROI;
117 preselectROI.x=selectROI.x;
118 preselectROI.y=selectROI.y;
119 preselectROI.与第1次选定的图像区域相似度为:%f\n",distence);//数组越大,相似度越大
132
133 //显示直方图
134 for(int i=1;i)
135 {
136 //画直线中要注意2点,因为图片的原点在左上角,而直方图坐标系的原点在左下角,所以高度值都需要被直方图图纸高度减掉,另外取一维直方图时只能用at运算符
137 line(draw,Point(DRAW_BIN_W*(i-1),DRAW_H-cvRound(rhist.at<float>((i-1)))),Point(DRAW_BIN_W*(i),DRAW_H-cvRound(rhist.at<float>(i))),Scalar(255,0,0),2,8,0);
138 line(draw,Point(DRAW_BIN_W*(i-1),DRAW_H-cvRound(ghist.at<float>((i-1)))),Point(DRAW_BIN_W*(i),DRAW_H-cvRound(ghist.at<float>(i))),Scalar(0,255,0),2,8,0);
139 line(draw,Point(DRAW_BIN_W*(i-1),DRAW_H-cvRound(bhist.at<float>((i-1)))),Point(DRAW_BIN_W*(i),DRAW_H-cvRound(bhist.at<float>(i))),Scalar(0,0,255),2,8,0);
140 }
141 imshow("rgb_hist",draw);
142 draw=Mat::zeros(DRAW_W,DRAW_H,CV_8UC3);//每画完一次直方图后都进行一次清0操作
143 comp=false;
144 }
145 rectangle(frame,selectROI,Scalar(0,255,0),2,8);//手动选定一次就显示一次
146 }//end tracking
147 rectangle(frame,preselectROI,Scalar(0,0,255),5,8);//初始的选定目标一直不变
148 imshow("camera",frame);
149
150 //键盘响应
151 char c = (char)waitKey(10);
152 if( c == 27 )
153 break;
154 switch(c)
155 {
156 case 'p'://暂停键
157 pause = !pause;
158 break;
159 default:
160 ;
161 }
162 }//end while;
163 return 0;
164 }
实验结果:
选定框内的模板用红色框标出,其他待比较的模板用绿色框标出。
模板图像块的简单直方图(rgb分开画的)显示如下:
第一次比较结果图:
第二次比较结果图:
第三次比较结果图(2个框选定的基本重合):
三次比较相似度结果:
可以看出,第三次的框与标准框内图像(即第1次选定的图像区域)的相似度值最大。