本文介紹了python OpenCV學習筆記直方圖反向投影的實現，分享給大家，具體如下：

官方文檔 – https://docs.opencv.org/3.4.0/dc/df6/tutorial_py_histogram_backprojection.html

它用于圖像分割或尋找圖像中感興趣的對象。簡單地說，它創建一個與我們的輸入圖像相同大?。ǖ珕瓮ǖ溃┑膱D像，其中每個像素對應于屬于我們對象的像素的概率。輸出圖像將使我們感興趣的對象比其余部分更白。

該怎么做呢？我們創建一個圖像的直方圖，其中包含我們感興趣的對象。為了得到更好的結果，對象應該盡可能地填充圖像。而顏色直方圖比灰度直方圖更受青睞，因為對象的顏色比灰度強度更能定義對象。然后，我們在我們的測試圖像上“反向投射”這個直方圖，我們需要找到這個對象，換句話說，我們計算每個像素的概率，并顯示它。在適當的閾值上產生的輸出結果使我們得到了一個單獨的結果。

Numpy中的算法

1、首先，我們需要計算我們需要找到的對象的顏色直方圖(讓它為'M')和我們將要搜索的圖像(讓它為'I')。

import numpy as npimport cv2 as cvfrom matplotlib import pyplot as plt# roi是我們需要找到的對象或區域roi = cv.imread('rose_red.png')hsv = cv.cvtColor(roi, cv.COLOR_BGR2HSV)# target是我們搜索的圖像target = cv.imread('rose.png')hsvt = cv.cvtColor(target, cv.COLOR_BGR2HSV)# 用calcHist來找直方圖，也可以用np.histogram2dM = cv.calcHist([hsv], [0,1], None, [180,256], [0,180,0,256])I = cv.calcHist([hsvt], [0,1], None, [180,256], [0,180,0,256])

2、找到比率 R=M/I。然后背面投射R ，使用R作為調色板，并創建一個新的圖像，每個像素作為其對應的目標概率。B(x,y) = R[h(x,y),s(x,y)]，其中h是（x，y）坐標像素的色調，s是飽和度。之后，B(x,y)=min[B(x,y),1]

h, s, v = cv.split(hsvt)B = R[h.ravel(), s.ravel()]B = np.munimum(B, 1)B = B.reshape(hsvt.shape[:2])

3、應用一個圓盤卷積，B = D * B，其中D是圓盤內核

disc = cv.getStructuringElement(cv.MORPH_ELLIPSE, (5,5))cv.filter2D(B, -1, disc, B)B = np.uint8(B)cv.normalize(B, B, 0, 255, cv.NORM_MINMAX)

4、現在，最大強度的位置給了我們物體的位置。如果我們期望圖像中有一個區域，給出一個合適的閾值會有一個很好的結果。

ret, thresh = cv.threshold(B, 50, 255, 0)

OpenCV中的投影

OpenCV提供一個內置的函數cv.calcbackproject()。它的參數幾乎與cv.calcHist()函數相同。它的一個參數是直方圖，它是這個對象的直方圖，我們必須找到它。另外，在傳遞給backproject函數之前，對象的直方圖應該是標準化的。它返回概率圖像。然后，我們將圖像與磁盤內核進行卷積，并應用閾值。下面是我的代碼和輸出：