前言

在計(jì)算機(jī)視覺(jué)中，直方圖的有著很廣泛的的應(yīng)用，通常用來(lái)統(tǒng)計(jì)圖像中的某些特征，比如邊緣特征、色彩特征、梯度特征等等。

直方圖通過(guò)一種統(tǒng)計(jì)的方法，來(lái)表征圖形的特征。這篇文章簡(jiǎn)單來(lái)探討一下直方圖以及它的一個(gè)應(yīng)用--反向投影。

直方圖

直返圖的計(jì)算其實(shí)很簡(jiǎn)單，和我們數(shù)學(xué)中的直方圖差不多，就是統(tǒng)計(jì)某一特征，在這里我們用統(tǒng)計(jì)灰度值舉例子。

首先來(lái)看一段畫直方圖的代碼：

#include 
#include 


using namespace cv;
using namespace std;


int main(int argc, char **argv)
{
    Mat img = imread("football2.png");
    cout << "img size " << img.size() << endl;
    cvtColor(img, img, COLOR_BGR2GRAY);
    imshow("img", img);


    Rect rect(330, 270, 160, 160); //lofated of football
    Mat img_obj = img(rect);
    imshow("img_obj", img_obj);


    int bin = 4;
    int channels = 0;
    int size = 256 / bin;
    float hranges[] = {0, 256};
    const float *ranges[] = {hranges};
    const float *ranges_back = {hranges};


    // 計(jì)算直方圖
    MatND hist;
    calcHist(&img_obj, 1, &channels, Mat(), hist, 1, &size, ranges);


    double minValue = 0;
    double maxValue = 0;
    minMaxLoc(hist, &minValue, &maxValue, 0, 0);
    cout << "maxValue: " << maxValue << endl;


    Mat img_hist(maxValue, size, CV_8UC3, Scalar(0, 0, 0));
    for (int i = 0; i < size; i++)
    {
        float bin_value = hist.at<float>(i);
        rectangle(img_hist,Point(i, maxValue), Point(i+1, maxValue-bin_value), Scalar(0, 255, 0));
    }
    imshow("img_hist", img_hist);


    ......
    waitKey(0);
    return 0;
}

直方圖有個(gè)一概念，就是bin，其實(shí)是組距的意思，代碼中是4，就是按照[0, 4)、[4, 8)、[8, 12)......[251,255)為x軸來(lái)做統(tǒng)計(jì)的。

整個(gè)代碼其實(shí)簡(jiǎn)單，OpenCV畫直方圖的函數(shù)是calcHist，我們要了解函數(shù)的用法以及每個(gè)參數(shù)的意思，在這了不在贅述。另外，它的原理其實(shí)不難，如果想自己實(shí)現(xiàn)一下，應(yīng)該也是比較簡(jiǎn)單的。

反向投影

在這篇博客https://blog.csdn.net/zhangjunp3/article/details/79862424是這樣說(shuō)的

反向投影其實(shí)是直方圖運(yùn)算的逆過(guò)程。直方圖運(yùn)算是統(tǒng)計(jì)每個(gè)灰度值對(duì)應(yīng)的像素個(gè)數(shù)，而反向投影則是將像素個(gè)數(shù)回送到該像素個(gè)數(shù)對(duì)應(yīng)灰度區(qū)間的像素位置。

反向投影是直方圖運(yùn)算的逆過(guò)程，這個(gè)是最最要的內(nèi)容，上面講的已經(jīng)差不多了，下面我們自己來(lái)實(shí)現(xiàn)一下反向投影。

接著上面直方圖的代碼繼續(xù)：

......
  //將直方圖歸一化為[0, 255]區(qū)間，方面下面可視化
    normalize(hist, hist, 0, 255, NORM_MINMAX, -1, Mat());


    Mat img_back_proj = img.clone();
    for (int i = 0; i < img_back_proj.rows; i++)
    {
        uchar *p = img_back_proj.ptr

代碼的核心就是這句話：p[j] = hist.at(p[j] / bin);

將p[j]位置的像素值帶到直放圖的x軸，得到該像素值在直方圖中的個(gè)數(shù)，用統(tǒng)計(jì)的個(gè)數(shù)取代原先的像素值。

代碼的運(yùn)行結(jié)果如下：

可以看出來(lái)，在這個(gè)例子中足球的匹配效果還是很好的，

在這個(gè)例子中，我們用的是灰度值做的直方圖，另外的一些特征，比如顏色，邊緣都是可以用來(lái)做統(tǒng)計(jì)的。

審核編輯：劉清