本文介紹了python opencv 直方圖反向投影的方法，分享給大家，具體如下：

目標(biāo)：

直方圖反向投影

原理：

反向投影可以用來(lái)做圖像分割，尋找感興趣區(qū)間。它會(huì)輸出與輸入圖像大小相同的圖像，每一個(gè)像素值代表了輸入圖像上對(duì)應(yīng)點(diǎn)屬于目標(biāo)對(duì)象的概率，簡(jiǎn)言之，輸出圖像中像素值越高的點(diǎn)越可能代表想要查找的目標(biāo)。直方圖投影經(jīng)常與camshift（追蹤算法）算法一起使用。

算法實(shí)現(xiàn)的方法，首先要為包含我們感興趣區(qū)域的圖像建立直方圖（樣例要找一片草坪，其他的不要）。被查找的對(duì)象最好是占據(jù)整個(gè)圖像（圖像里全是草坪）。最好使用顏色直方圖，物體的顏色信息比灰度圖像更容易被分割和識(shí)別。再將顏色直方圖投影到輸入圖像查找目標(biāo)，也就是找到輸入圖像中每一個(gè)像素點(diǎn)的像素值在直方圖中對(duì)應(yīng)的概率，這樣就得到一個(gè)概率圖像，最后設(shè)置適當(dāng)?shù)拈撝祵?duì)概率圖像進(jìn)行二值化。

numpy算法：

建立兩幅顏色直方圖，目標(biāo)圖像直方圖（M），輸入圖像直方圖（I）

import cv2import numpy as npfrom matplotlib import pyplot as plt#roi圖片，就想要找的的圖片roi = cv2.imread('3.jpg')hsv = cv2.cvtColor(roi,cv2.COLOR_BGR2HSV)#目標(biāo)搜索圖片target = cv2.imread('33.jpg')hsvt = cv2.cvtColor(target,cv2.COLOR_BGR2HSV)#創(chuàng)建直方圖M = cv2.calcHist([hsv],[0,1],None,[180,256],[0,180,0,256])I = cv2.calcHist([hsvt],[0,1],None,[180,256],[0,180,0,256])

計(jì)算比值：R=MI。反向投影R，根據(jù)R這個(gè)調(diào)色板創(chuàng)建新圖像，每一個(gè)像素代表這個(gè)點(diǎn)事目標(biāo)的概率。例如，B(x,y)=R[h(x,y),s(x,y)，其中H為點(diǎn)(x,y)的色調(diào)（hue）值，s為點(diǎn)（x,y）的飽和度（saturation）。最后加入條件B(x,y)=min([B(x,y),1]

h,s,v = cv2.split(hsvt)B = R[h.ravel(),s.ravel()]B = np.minimum(B,1)B = B.reshape(hsvt.shape[:2])

使用圓盤算子做卷積，B=D×B，其中D為卷積核

disc = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))#定義結(jié)構(gòu)形狀，5×5的橢圓B=cv2.filter2D(B,-1,disc)#對(duì)圖像進(jìn)行卷積運(yùn)算B = np.uint8(B)cv2.normalize(B,B,0,255,cv2.NORM_MINMAX)

其中函數(shù)cv2.getStructuringElement是定義結(jié)構(gòu)元素，例如element = cv2.getStructuringElement(cv2.MORPH_CROSS,(5,5)) 定義了一個(gè)十字形，5×5的結(jié)構(gòu)

輸出圖像中灰度最大的地方就是目標(biāo)位置。如果要找的是一個(gè)區(qū)域，可以使用一個(gè)閾值對(duì)圖像二值化，這樣能得到不錯(cuò)的結(jié)果。