计算机视觉
图像处理

基础学习笔记之opencv(4):直方图使用学习

目的:
直方图在cv领域到处可见,因为其功能在cv算法的实现中必不可少。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:  // hist_test.cpp : 定义控制台应用程序的入口点。
//

#include "stdafx.h"
#include
#include
#include
#include
#include

using namespace cv;
using namespace std;

int nFrame_num=0;
bool pause=false;
bool tracking=false;
Rect preselectROI,selectROI;//用于存放手选的矩形
bool comp=true;

Mat rhist,ghist,bhist;
int channels[]={0,1,2};
//const int histsize[]={256,256,256};
const int histsize[]={16,16,16};
const int histsize1=16;
float rranges[]={0,255};
float granges[]={0,255};
float branges[]={0,255};
float range[]={0,255};
const float *ranges1={range};//这里的ranges就相当于一个双指针了
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
//const float *ranges[]={{0,255},{0,255},{0,255}};

void onMouse(int event,int x,int y,int,void *)
{
    if(event==CV_EVENT_LBUTTONDOWN)
    {
        selectROI.x=x;
        selectROI.y=y;
        tracking=false;
    }
    else if(event==CV_EVENT_LBUTTONUP)
    {
        selectROI.width=x-selectROI.x;
        selectROI.height=y-selectROI.y;
        tracking=true;
        comp=true;
        nFrame_num++;//选定后才算真正意义上的第一帧
        if(nFrame_num>=10)nFrame_num=10;//防止nFrame_num溢出
    }
}

int  main(int argc, const char* argv[])
{
    Mat frame,img;
    Mat staRoiHist;
    MatND RoiHist;
    int DRAW_H=400,DRAW_W=400;
    Mat draw(DRAW_W,DRAW_H,CV_8UC3,Scalar(0,0,0));//建立一个显示直方图的图片,背景为纯黑色
    int DRAW_BIN_W=cvRound(DRAW_W/histsize1);

    /****打开摄像头****/
    VideoCapture cam(0);
    if(!cam.isOpened())
        return -1;

    /****鼠标捕捉****/
    namedWindow("camera",1);
    namedWindow("rgb_hist",1);
    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

    while(1)
    {
        if(!pause)//暂停按钮只需控制视频的读取
        {        
        cam>>frame;
        if(frame.empty())
            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
        }
    /*    if(1==nFrame_num)
        {

        }*/
        if(tracking)
        {
            Mat RoiImage(frame,selectROI);

            /*************************************************************************************************************************/
            /****                                    calcHist():计算图像块的直方图矩阵                                                ****/
            /****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****/
            /****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****/
            /****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****/
            /*************************************************************************************************************************/
            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},
                                                                            //目标直方图RoiHist,3维,每一维的bin数histsize,取值范围为
                                                                            //ranges,实际上计算出的目标矩阵类似一维矩阵。
                                                                            

            /*************************************************************************************************************************/
            /****                                normalize():根据某种范数或者数值范围归一化数组                                     ****/
            /**** 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;****/
            /****  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 ****/
            /****                                              默认值为空,即不采用掩膜操作                                            ****/
            /*************************************************************************************************************************/
            normalize(RoiHist,RoiHist);//使用L2范数将RoiHist直方图原地归一化

            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
            split(RoiImage,rgb_planes);//将rgb图分解到rgb_planes各个分量中
            calcHist(&rgb_planes[0],1,0,Mat(),rhist,1,&histsize1,&ranges1);
            normalize(rhist,rhist,0,DRAW_H,NORM_MINMAX);//进行最大最小值归一化
            calcHist(&rgb_planes[1],1,0,Mat(),ghist,1,&histsize1,&ranges1);
            normalize(ghist,ghist,0,DRAW_H,NORM_MINMAX);
            calcHist(&rgb_planes[2],1,0,Mat(),bhist,1,&histsize1,&ranges1);
            normalize(bhist,bhist,0,DRAW_H,NORM_MINMAX);
            if(nFrame_num==1)
            {
//                preselectROI=selectROI;
                preselectROI.x=selectROI.x;
                preselectROI.y=selectROI.y;
                preselectROI.width=selectROI.width;
                preselectROI.height=selectROI.height;
                staRoiHist=RoiHist.clone();//第一次选定目标,作为标准模板目标
            }
            else if(nFrame_num>1&&comp==true)
            {
                /*************************************************************************************************************************/
                /****                                        compareHist():比较2个直方图的相似度                                         ****/
                /****        compareHist(),参数1为比较相似度的直方图1;参数2为比较相似度的直方图2;参数3为相似度的计算方式。有四种,         ****/
                /****                  分别为CV_COMP_CORREL,CV_COMP_CHISQR,CV_COMP_INTERSECT,CV_COMP_BHATTACHARYYA                     ****/
                /*************************************************************************************************************************/
                double distence=compareHist(staRoiHist,RoiHist,CV_COMP_INTERSECT);//计算后面选定的与这次选定的相似度,使用INTERSECT,值越大越相似
                printf("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

                //显示直方图
                for(int i=1;i((i-1)))),Point(DRAW_BIN_W*(i),DRAW_H-cvRound(rhist.at(i))),Scalar(255,0,0),2,8,0);
                    line(draw,Point(DRAW_BIN_W*(i-1),DRAW_H-cvRound(ghist.at((i-1)))),Point(DRAW_BIN_W*(i),DRAW_H-cvRound(ghist.at(i))),Scalar(0,255,0),2,8,0);
                    line(draw,Point(DRAW_BIN_W*(i-1),DRAW_H-cvRound(bhist.at((i-1)))),Point(DRAW_BIN_W*(i),DRAW_H-cvRound(bhist.at(i))),Scalar(0,0,255),2,8,0);
                }
                imshow("rgb_hist",draw);
                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
                comp=false;
            }
            rectangle(frame,selectROI,Scalar(0,255,0),2,8);//手动选定一次就显示一次
        }//end tracking
        rectangle(frame,preselectROI,Scalar(0,0,255),5,8);//初始的选定目标一直不变
        imshow("camera",frame);

        //键盘响应
        char c = (char)waitKey(10);
        if( c == 27 )
            break;
        switch(c)
        {
        case 'p'://暂停键
            pause = !pause;
            break;
        default:
            ;
        }
    }//end while;
    return 0;
}

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:img_56d8ecc6d6cbc
第一次比较结果图:img_56d8eccfd3d4c
第二次比较结果图:img_56d8ecd89d69f
第三次比较结果图(2个框选定的基本重合):img_56d8ecde18621
三次比较相似度结果:img_56d8ece533a59
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。

转载注明来源:CV视觉网 » 基础学习笔记之opencv(4):直方图使用学习

分享到:更多 ()
扫描二维码,给作者 打赏
pay_weixinpay_weixin

请选择你看完该文章的感受:

1不错 0超赞 0无聊 0扯淡 0不解 0路过

评论 3

评论前必须登录!