OpenCV_颜色直方图的计算、显示、处理、对比及反向投影
//initializing
for i=1:M
Hist[i] = 0;
end
//voting
for i = 1:N
Hist[x[i]] += 1 ;
end
for j = 1:M
Hist[j] = Hist[j]/sum(Hist) ; //sum(Hist) = Hist[1] + Hist[2] + ... + Hist[M];
end
for i=1:M
Hist[i] = 0;
end
//voting
for i = 1:N
Hist[x[i]] += w[i] ;
end
颜色直方图直观的显示了图像在色彩空间的分布状况，本文将讨论在OpenCv中跟直方图相关的一些基本操作，包括：计算、显示、处理、对比及反向投影.
直方图的计算、显示、处理
OpenCv中，可以用方法cvCalcHist方法计算图像的直方图。不过值得注意的是，该方法的第一个参数image是一个指向数组的IplImage* 类型指针。这允许利用多个图像通道。对于多通道图像（如ＨＳＶ或者ＲＧＢ），在调用函数ｃｖＣａｌｃＨｉｓｔ（）之前，先要调用函数cvSplit()将图像分为单通道，此方法与宏cvCvtPixtoPlane等同，然后再选择需要参与直方图计算的通道。下面有几段计算直方图的代码，分别计算单通道（红色）直方图、色调和饱和度直方图。
如何在OpenCV中绘制一个直方图？下面是有关于绘制直方图实验的学习总结：
1.cvCreateHist(dim,&size,flag,**range,uniform):
dim为hist的维度；size为总分区间数；flag为标记图像是什么类型，是CV_HIST_ARRAY,还是CV_HIST_TREE,然后就可以选择如何保存数据，如果CV_HIST_ARRAY,就用CvMatND（多维密集数组）；如果CV_HIST_TREE,就使用CvSparseMat（多维稀疏数组）；range为每个维度的范围；uniform为归一化标识，这个还不是很好理解。
2.IplImage中有一个属性可以设置图像的原点坐标，0代表左上角，1代表左下角。(image->origin)
3.cvCalcHist(**imge,*hist):
image为统计图像，hist为直方图结构体
4.获取了直方图信息后，可以通过直方图结构体直接访问内部信息：
hist->type；hist->thresh[i][0]和hist->thresh[i][1]分别存储上阀值和下阀值。如果CV_HIST_ARRAY的话，可以通过(（CvMatND*）hist->bins)->data.fl[i]获取统计值。不过OpenCV已经提供了一个很好的方法去查询，cvQueryHistValue_*D(hist,d...);
5.可以通过CV_RGB(R,G,B)的宏设置RGB颜色。
6.直方图的绘制，使用cvQueryHistValue_*D去获取统计值，然后绘制在一个创建好的图像中。可以通过cvLine或者cvRectangle方法。
7.还可以通过设置range的范围来获取有需要的区域，如果这样的话，最好在画直方图的时候，计算好每个区间的width值。
8.cvGetMinMaxValue(hist,*min,*max,*minindex,*maxindex):
min和max必须为float类型，minindex和maxindex为最小最大值的位置
9.cvRound方法：四舍五入
10.从HSV颜色转换为RGB颜色：
IplImage* hsv_color = cvCreateImage(cvSize(1,1),8,3);
IplImage* rgb_color = cvCreateImage(cvSize(1,1),8,3);
cvSet2D(hsv_color,0,0,cvScalar(h*180.f/h_bins,s*255.f/s_bins,255,0));
cvCvtColor(hsv_color,rgb_color,CV_HSV2BGR);
CvScalar color = cvGet2D(rgb_color,0,0);
具体代码如下：
View Code
1 #include "stdafx.h"
2 #include <iostream>
3 using namespace std;
4
5
6 #ifdef _CH_
7 #pragma package <opencv>
8 #endif
9
10 #include "cv.h"
11 #include "highgui.h"
12
13
14 //色相饱和度直方图
15 void CalcHistHs()
16 {
17 IplImage* img_source;
18
19 if (img_source = cvLoadImage("flower.jpg",1))
20 {
21 IplImage* hsv = cvCreateImage(cvGetSize(img_source),8,3);
22
23 //rgb色彩空间转换到hsv色彩空间
24 cvCvtColor(img_source,hsv,CV_BGR2HSV);
25 cvNamedWindow( "hsv", 1 );
26 cvShowImage( "hsv", hsv );
27
28 IplImage* h_plane = cvCreateImage(cvGetSize(img_source),8,1);
29 IplImage* s_plane = cvCreateImage(cvGetSize(img_source),8,1);
30 IplImage* v_plane = cvCreateImage(cvGetSize(img_source),8,1);
31
32 IplImage* planes[] ={h_plane,s_plane};
33 //分割为单通道图像
34 cvCvtPixToPlane(hsv,h_plane,s_plane,v_plane,0);
35 cvNamedWindow( "h_plane", 1 );
36 cvShowImage( "h_plane", h_plane );
37 cvNamedWindow( "s_plane", 1 );
38 cvShowImage( "s_plane", s_plane );
39 cvNamedWindow( "v_plane", 1 );
40 cvShowImage( "v_plane", v_plane );
41
42
43 //build the histogram and compute its contents
44
45 /** H 分量划分为30个等级，S分量划分为32个等级 */
46 int h_bins =30, s_bins = 32;
47
48 CvHistogram* hist;
49
50 {
51 int hist_size[] = {h_bins,s_bins};
52 float h_ranges[] = {0,180}; /* hue varies from 0 (~0°red) to 180 (~360°red again) */
53
54 float s_ranges[] = {0,255}; /* saturation varies from 0 (black-gray-white) to 255 (pure spectrum color) */
55
56 float* ranges[] = {h_ranges,s_ranges};
57
58 /** 创建直方图，二维, 每个维度上均分 */
59 hist = cvCreateHist(
60 2, // int dims
61 hist_size, // int* sizes
62 CV_HIST_ARRAY, // int type
63 ranges, // float** ranges
64 1 //uniform
65 );
66 }
67
68 // 根据H,S两个平面数据统计直方图
69 cvCalcHist( planes, hist, 0, 0 );
70 //归一化处理
71 cvNormalizeHist(hist,1.0);
72 /** 获取直方图统计的最大值，用于动态显示直方图 */
73 float max_value;
74 cvGetMinMaxHistValue( hist, 0, &max_value, 0, 0 );
75
76 int scale=10;
77 //创建直方图图像
78 /** 设置直方图显示图像 */
79 int height = 240;
80 int width = (h_bins*s_bins*6);
81 IplImage* hist_img = cvCreateImage( cvSize(width,height), 8, 3 );
82 cvZero( hist_img );
83
84 /** 用来进行HSV到RGB颜色转换的临时单位图像 */
85 IplImage * hsv_color = cvCreateImage(cvSize(1,1),8,3);
86 IplImage * rgb_color = cvCreateImage(cvSize(1,1),8,3);
87 int bin_w = width / (h_bins * s_bins);
88 for(int h = 0; h < h_bins; h++)
89 {
90 for(int s = 0; s < s_bins; s++)
91 {
92 int i = h*s_bins + s;
93 /** 获得直方图中的统计次数，计算显示在图像中的高度 */
94 float bin_val = cvQueryHistValue_2D( hist, h, s );
95 int intensity = cvRound(bin_val*height/max_value);
96
97 /** 获得当前直方图代表的颜色，转换成RGB用于绘制 */
98 cvSet2D(hsv_color,0,0,cvScalar(h*180.f / h_bins,s*255.f/s_bins,255,0));
99 cvCvtColor(hsv_color,rgb_color,CV_HSV2BGR);
100 CvScalar color = cvGet2D(rgb_color,0,0);
101
102 cvRectangle( hist_img, cvPoint(i*bin_w,height),
103 cvPoint((i+1)*bin_w,height - intensity),
104 color, -1, 8, 0 );
105 }
106 }
107
108 cvNamedWindow( "Source", 1 );
109 cvShowImage( "Source", img_source );
110
111 cvNamedWindow( "H-S Histogram", 1 );
112 cvShowImage( "H-S Histogram", hist_img );
113
114
115
116
117 }
118
119 }
120
121 void CalcHistRgb()
122 {
123 IplImage* img_source;
124
125 if (img_source = cvLoadImage("flower.jpg",1))
126 {
127 IplImage* RedChannel = cvCreateImage( cvGetSize(img_source), 8, 1);
128 IplImage* GreenChannel = cvCreateImage( cvGetSize(img_source), 8, 1);
129 IplImage* BlueChannel = cvCreateImage( cvGetSize(img_source), 8, 1);
130 IplImage* alphaChannel = cvCreateImage( cvGetSize(img_source), 8, 1);
131 IplImage* gray_plane = cvCreateImage(cvGetSize(img_source),8,1);
132
133
134 //分割为单通道图像
135 cvCvtPixToPlane(img_source,BlueChannel,GreenChannel,RedChannel,0);
136 // 显示图像
137 cvNamedWindow( "RedChannel", 1 );
138 cvNamedWindow( "GreenChannel", 1 );
139 cvNamedWindow( "BlueChannel", 1 );
140 cvNamedWindow( "lphaChannel", 1 );
141
142 cvShowImage( "RedChannel", RedChannel );
143 cvShowImage( "GreenChannel", GreenChannel );
144 cvShowImage( "BlueChannel", BlueChannel );
145 cvShowImage( "lphaChannel", alphaChannel );
146
147
148 cvCvtColor(img_source,gray_plane,CV_BGR2GRAY);
149 cvNamedWindow("GrayPlane",1);
150 cvShowImage("GrayPlane",gray_plane);
151 //OpenCV中不管是Windows中Load的还是摄像头取得的都是BGR顺序排列的
152
153 //然后为这四幅图创建对应的直方图结构。
154 int hist_size = 100;
155
156 int hist_height = 100;
157
158 float range[] = {0,255};
159
160 float* ranges[]={range};
161
162 CvHistogram* r_hist = cvCreateHist(1,&hist_size,CV_HIST_ARRAY,ranges,1);
163
164 CvHistogram* g_hist = cvCreateHist(1,&hist_size,CV_HIST_ARRAY,ranges,1);
165
166 CvHistogram* b_hist = cvCreateHist(1,&hist_size,CV_HIST_ARRAY,ranges,1);
167
168 CvHistogram* gray_hist = cvCreateHist(1,&hist_size,CV_HIST_ARRAY,ranges,1);
169
170 //接下来计算直方图，创建用于显示直方图的图像，略去了一部分重复代码，以下也是
171
172 cvCalcHist(&RedChannel,r_hist,0,0);
173 cvCalcHist(&GreenChannel,g_hist,0,0);
174 cvCalcHist(&BlueChannel,b_hist,0,0);
175 cvCalcHist(&gray_plane,gray_hist,0,0);
176 cvNormalizeHist(gray_hist,1.0);
177 cvNormalizeHist(r_hist,1.0);
178 cvNormalizeHist(g_hist,1.0);
179 cvNormalizeHist(b_hist,1.0);
180
181 int scale = 2;
182
183 IplImage* hist_image = cvCreateImage(cvSize(hist_size*scale,hist_height*4),8,3);
184
185 cvZero(hist_image);
186
187 //然后开始显示，这里对直方图进行了标准化处理，不然的话无法观察到明显的变化。
188
189 float r_max_value = 0;
190 float g_max_value = 0;
191 float b_max_value = 0;
192 float gray_max_value = 0;
193 cvGetMinMaxHistValue(r_hist, 0,&r_max_value,0,0);
194 cvGetMinMaxHistValue(g_hist, 0,&g_max_value,0,0);
195 cvGetMinMaxHistValue(b_hist, 0,&b_max_value,0,0);
196 cvGetMinMaxHistValue(b_hist, 0,&gray_max_value,0,0);
197 for(int i=0;i<hist_size;i++)
198 {
199
200 float r_bin_val = cvQueryHistValue_1D(r_hist,i);
201
202 int r_intensity = cvRound(r_bin_val*hist_height/r_max_value);
203 cvRectangle(
204 hist_image,
205 cvPoint(i*scale,hist_height-1),
206 cvPoint((i+1)*scale - 1, hist_height - r_intensity),
207 CV_RGB(255,0,0));
208
209 float g_bin_val=cvQueryHistValue_1D(g_hist,i);
210 int g_intensity = cvRound(g_bin_val*hist_height/g_max_value);
211 cvRectangle(
212 hist_image,
213 cvPoint(i*scale,2*hist_height-1),
214 cvPoint((i+1)*scale - 1, 2*hist_height - g_intensity),
215 CV_RGB(0,255,0));
216
217 float b_bin_val = cvQueryHistValue_1D(b_hist,i);
218 int b_intensity = cvRound(b_bin_val*hist_height/b_max_value);
219 cvRectangle(
220 hist_image,
221 cvPoint(i*scale,3*hist_height-1),
222 cvPoint((i+1)*scale - 1, 3*hist_height - b_intensity),
223 CV_RGB(0,0,255));
224
225 float gray_bin_val = cvQueryHistValue_1D(gray_hist,i);
226 int gray_intensity = cvRound(gray_bin_val*hist_height/gray_max_value);
227 cvRectangle(
228 hist_image,
229 cvPoint(i*scale,4*hist_height-1),
230 cvPoint((i+1)*scale - 1, 4*hist_height - gray_intensity),
231 CV_RGB(100,100,100));
232
233 }
234 cvNamedWindow( "Source", 1 );
235 cvShowImage( "Source", img_source );
236
237 cvNamedWindow( "RGB_Histogram", 1 );
238 cvShowImage( "RGB_Histogram", hist_image );
239
240
241 }
242
243 }
244
245 int main()
246 {
247 CalcHistRgb();
248 CalcHistHs();
249 cvWaitKey(0);
250 }
直方图对比
OpenCv提供了5种对比直方图的方式：CORREL（相关）、CHISQR（卡方）、INTERSECT（相交）、BHATTACHARYYA、EMD（最小工作距离），其中CHISQR速度最快，EMD速度最慢且有诸多限制，但是EMD的效果最好。世界总是充满了矛盾，而我们的工作就是化解矛盾，把每种方式都测试一下，找到正好能解决问题并且速度最优的方法。
需要注意的是：EMD方式要求先将直方图转换成矩阵：
EMD方法会占用很很很大量的内存，在使用前请注意直方图的维数及区间数目，不然会出现内存不足的异常。关于这点，请参看我的另一篇文章《关于使用cvCalcEMD2计算两个直方图间最小工作距离的限制(Why cvCalcEMD2 Throw Insufficient Memory Exception)》。还有一点值得注意的是，不同的对比方式对待结果的方式很不一样，结果越大不一定说明匹配度更高，具体请参看《学习OpenCv》这本书的相关章节。
对于直方图的相关和相交对比，结果值越大（即亮度较高）的地方表示匹配程度越高；
对于直方图的卡方、Bhattacharyya、EMD对比，结果值越小（即越黑暗）的地方表示匹配程度越高。
陆地移动距离EMD
光线能引起图像颜色值的漂移，尽管这些漂移没有改变颜色直方图的形状，但是这些漂移引起了颜色值位置的变化，从而导致前述匹配策略失效。如果利用颜色直方图的距离测量来代替直方图的匹配策略，那么我们仍然可以像直方图对比一样对比两个直方图的距离，即使第二个直方图发生漂移，也能找到最小的距离度量。
陆地移动距离时一种度量准则，它实际上度量的是怎样将一个直方图的形状转变为另一个直方图的形状，包括移动直方图的部分或者全部到一个新的位置，可以在任何维的直方图上进行这种度量。
0表示最精确匹配，半匹配是成功将直方图的一半转换，将左边直方图的一半转换到下一个直方图。最终移动整个直方图到右边需要整个单位的距离（即将模板直方图转换为完全不匹配直方图）。1表示完全不匹配。
具体代码如下：
View Code
1 int main()
2 {
3 /*CalcHistHs("flower.jpg");
4 CvHistogram* hist1 = CalcHistRgb("flower.jpg");
5 CvHistogram* hist2 = CalcHistRgb("flower3.jpg");
6
7 double result = cvCompareHist(hist1,hist2,CV_COMP_CORREL);
8 cout<< result;
9
10 cvWaitKey(0);*/
11
12 IplImage *src = cvLoadImage("flower.jpg");
13 IplImage *hsv = cvCreateImage(cvGetSize(src),8,3);
14 cvCvtColor(src,hsv,CV_BGR2HSV);// change RGB of src to HSV of hsv
15 IplImage *h_plane = cvCreateImage(cvGetSize(src),8,1);
16 IplImage *s_plane = cvCreateImage(cvGetSize(src),8,1);
17 IplImage *v_plane = cvCreateImage(cvGetSize(src),8,1);
18 IplImage *planes[]={h_plane,s_plane};
19 cvSplit(hsv,h_plane,s_plane,v_plane,0);//split HSV to 3 channal
20
21 //求得直方图
22 int h_bins=30,s_bins=32;
23 CvHistogram *hist1,*hist2;
24 int size[]={h_bins,s_bins};
25 float h_ranges[]={0,180};
26 float s_ranges[]={0,255};
27 float *ranges[]={h_ranges,s_ranges};
28
29 hist1=cvCreateHist(2,size,CV_HIST_ARRAY,ranges,1);
30 cvCalcHist(planes,hist1,0,0);//只能一个通道一个通道的写入直方图，所以上面分成H、S、V
31 cvNormalizeHist(hist1,1.0);//归一化直方图，使所有块的值加起来为1
32 hist2=cvCreateHist(2,size,CV_HIST_ARRAY,ranges,1);
33 cvCalcHist(planes,hist2,0,0);
34 cvNormalizeHist(hist2,1.0);
35
36 //求得signature用于比较直方图
37 CvMat *sig1,*sig2;
38 int numrows=h_bins*s_bins;
39 sig1=cvCreateMat(numrows,3,CV_32FC1);//由于是2维图像直方图，所以只需保存每个点的(值，横坐标，纵坐标)三个数，一共numrows个点
40 sig2=cvCreateMat(numrows,3,CV_32FC1);
41 for(int h=0;h<h_bins;h++)
42 {
43 for(int s=0;s<s_bins;s++)
44 {
45 float bin_val=cvQueryHistValue_2D(hist1,h,s);
46 cvSet2D(sig1,h*s_bins+s,0,cvScalar(bin_val));
47 cvSet2D(sig1,h*s_bins+s,1,cvScalar(h));
48 cvSet2D(sig1,h*s_bins+s,2,cvScalar(s));
49 bin_val=cvQueryHistValue_2D(hist2,h,s);
50 cvSet2D(sig2,h*s_bins+s,0,cvScalar(bin_val));
51 cvSet2D(sig2,h*s_bins+s,1,cvScalar(h));
52 cvSet2D(sig2,h*s_bins+s,2,cvScalar(s));
53 }
54 }
55 float emd=cvCalcEMD2(sig1,sig2,CV_DIST_L2);
56 cout<<emd;//可以清楚的看出因为我对比同一个图像直方图，所以得数0是对的，完全一样
57 cvWaitKey(0);
58 return 0;
59
60
61 }
直方图的反向投影
1.反向投影的作用是什么？
反向投影用于在输入图像（通常较大）中查找特定图像（通常较小或者仅1个像素，以下将其称为模板图像）最匹配的点或者区域，也就是定位模板图像出现在输入图像的位置。
2.反向投影如何查找（工作）？
查找的方式就是不断的在输入图像中切割跟模板图像大小一致的图像块，并用直方图对比的方式与模板图像进行比较。
假设我们有一张100x100的输入图像，有一张10x10的模板图像，查找的过程是这样的：
（1）从输入图像的左上角(0,0)开始，切割一块(0,0)至(10,10)的临时图像；
（2）生成临时图像的直方图；
（3）用临时图像的直方图和模板图像的直方图对比，对比结果记为c；
（4）直方图对比结果c，就是结果图像(0,0)处的像素值；
（5）切割输入图像从(0,1)至(10,11)的临时图像，对比直方图，并记录到结果图像；
（6）重复（1）～（5）步直到输入图像的右下角。
3.反向投影的结果是什么？
反向投影的结果包含了：以每个输入图像像素点为起点的直方图对比结果。可以把它看成是一个二维的浮点型数组，二维矩阵，或者单通道的浮点型图像。
4.特殊情况怎么样？
如果输入图像和模板图像一样大，那么反向投影相当于直方图对比。如果输入图像比模板图像还小，直接罢工～～。
5.使用时有什么要注意的地方？
需要注意的地方比较多，我们对照反向投影函数来说：
void cvCalcBackProjectPatch(
IplImage** image, /*输入图像：是一个单通道图像数组，而非实际图像*/
CvArr* dst, /*输出结果：是一个单通道32位浮点图像，它的宽度为W-w+1，高度为H-h+1，这里的W和H是输入图像的宽度和高度，w和h是模板图像的宽度和高度*/
CvSize patch_size, /*模板图像的大小：宽度和高度*/
CvHistogram* hist, /*模板图像的直方图：直方图的维数和输入图像的个数相同，并且次序要一致；例如：输入图像包含色调和饱和度，那么直方图的第0维是色调，第1维是饱和度*/
int method, /*对比方式：跟直方图对比中的方式类似，可以是：CORREL（相关）、CHISQR（卡方）、INTERSECT（相交）、BHATTACHARYYA*/
float factor /*归一化因子，一般都设置成1，否则很可能会出错；中文、英文以及各路转载的文档都错了，这个参数的实际类型是double，而非float，我看了源代码才搞定这个地方*/
);
还有最需要注意的地方：这个函数的执行效率非常的低，在使用之前尤其需要注意图像的大小，直方图的维数，对比方式。如果说对比单个直方图对现在的电脑来说是清风拂面，那么反向投影是狂风海啸。对于1010x1010的RGB输入图像，10x10的模板图像，需要生成1百万次3维直方图，对比1百万次3维直方图。
下面为具体代码：
View Code
1 #include <cv.h>
2 #include <highgui.h>
3
4
5 int main()
6 {
7 IplImage* src = cvLoadImage("./sample1.jpg");
8 if (src != NULL)
9 {
10 IplImage* hsv = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 3);
11 //将bgr图像转化为hsv图像
12 cvCvtColor(src, hsv, CV_BGR2HSV);
13
14
15 //创建3个单通道的图像，用于将hsv图像分离为3个通道
16 IplImage* h = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1);
17 IplImage* s = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1);
18 IplImage* v = cvCreateImage(cvGetSize(src), IPL_DEPTH_8U, 1);
19 IplImage* planes[] = {h, s};
20 //将hsv图像分离
21 cvCvtPixToPlane(hsv, h, s, v, 0);
22
23
24 //在h通道上设定30个划分度，在s通道上设定32个划分度
25 int h_bins(30), s_bins(32);
26 CvHistogram* hist;
27 {
28 int hist_size[] = {h_bins, s_bins};
29 float h_ranges[] = {0, 180};
30 float s_ranges[] = {0, 255};
31 //将h通道上的范围，即[0,180]，以及s通道上的范围，即[0,255]组织成函数cvCreateHist所需
32 //的形式
33 float* ranges[] = {h_ranges, s_ranges};
34 //创建一个2维的、h维上划分度为30、s维上划分度为32的均分直方图
35 hist = cvCreateHist(2, hist_size, CV_HIST_ARRAY, ranges, 1);
36 }
37 //通过源图像上的h与s通道上图像数据统计出直方图
38 cvCalcHist(planes, hist, 0, 0);
39 //获取得到的直方图的所有数据的和
40 CvScalar sc = cvSum(hist->bins);
41 float sum = sc.val[0] + sc.val[1] + sc.val[2] + sc.val[3];
42 //归一化直方图
43 cvNormalizeHist(hist, 1.0);
44 //scale:每一个划分在用于显示的图像上所占的像素点数
45 int scale = 10;
46 IplImage* img = cvCreateImage(cvSize(h_bins * scale, s_bins * scale), IPL_DEPTH_8U, 3);
47 cvZero(img);
48
49
50 //为什么要求最大值呢？由于归一化之后的图像中的像素点的值都不会大于1，那么在人眼看来都是黑
51 //色的一片，没法通过图像来直观的感受直方图了，所以在下边会通过将直方图的值和直方图中的最大
52 //值做除法，再乘以255，使人眼能看出直方图中数值的变化……如下代码对应直方图2
53 float max_value = 0;
54 cvGetMinMaxHistValue(hist, NULL, &max_value, 0, 0);
55 for (int h = 0; h < h_bins; ++h)
56 {
57 for (int s = 0; s < s_bins; ++s)
58 {
59 //访问直方图在关于h与s所确定的颜色的数值
60 float bin_val = cvQueryHistValue_2D(hist, h, s);
61 int intensity = cvRound(bin_val * 255 / max_value);
62 cvRectangle(img,
63 cvPoint(h * scale, s * scale),
64 cvPoint((h + 1) * scale - 1, (s + 1) * scale - 1),
65 CV_RGB(intensity, intensity, intensity),
66 CV_FILLED);
67 }
68 }
69
70
71 //如下代码对应直方图1
72 int height = 240;
73 int width = (h_bins*s_bins*6);
74 IplImage* hist_img = cvCreateImage( cvSize(width,height), 8, 3 );
75 cvZero( hist_img );
76
77 IplImage * hsv_color = cvCreateImage(cvSize(1,1),8,3);
78 IplImage * rgb_color = cvCreateImage(cvSize(1,1),8,3);
79 int bin_w = width / (h_bins * s_bins);
80 for(int h = 0; h < h_bins; h++)
81 {
82 for(int s = 0; s < s_bins; s++)
83 {
84 int i = h*s_bins + s;
85
86 float bin_val = cvQueryHistValue_2D( hist, h, s );
87 int intensity = cvRound(bin_val*height/max_value);
88
89 cvSet2D(hsv_color,0,0,cvScalar(h*180.f / h_bins,s*255.f/s_bins,255,0));
90 //hsv颜色转化为bgr颜色
91 cvCvtColor(hsv_color,rgb_color,CV_HSV2BGR);
92 CvScalar color = cvGet2D(rgb_color,0,0);
93 //IplImage类型指定的图像原点在左上角，所以要实现图中的效果，矩形的两个顶角应像下边
94 //代码中设置
95 cvRectangle( hist_img, cvPoint(i*bin_w,height),
96 cvPoint((i+1)*bin_w,height - intensity),
97 color, -1, 8, 0 );
98 }
99 }
100 cvNamedWindow( "H-S Histogram", 1 );
101 cvShowImage( "H-S Histogram", hist_img );
102 cvNamedWindow("src");
103 cvShowImage("src", src);
104 cvNamedWindow("img");
105 cvShowImage("img", img);
106
107
108 IplImage* img2 = cvLoadImage("./sample2.jpg");
109 IplImage* hsv2 = cvCreateImage(cvGetSize(img2), IPL_DEPTH_8U, 3);
110 cvCvtColor(img2, hsv2, CV_BGR2HSV);
111 IplImage* h2 = cvCreateImage(cvGetSize(img2), IPL_DEPTH_8U, 1);
112 IplImage* s2 = cvCreateImage(cvGetSize(img2), IPL_DEPTH_8U, 1);
113 IplImage* v2 = cvCreateImage(cvGetSize(img2), IPL_DEPTH_8U, 1);
114 IplImage* planes2[] = {h2, s2};
115 cvCvtPixToPlane(hsv2, h2, s2, v2, 0);
116 //cvCvtPixToPlane(img2, h2, s2, v2, 0);
117 IplImage* backProject = cvCreateImage(cvGetSize(img2), IPL_DEPTH_8U, 1);
118 cvSetZero(backProject);
119 cvNormalizeHist(hist, sum);
120 cvCalcBackProject(planes2, backProject, hist);
121
122
123 cvNamedWindow("img2");
124 cvShowImage("img2", img2);
125 cvNamedWindow("back project");
126 cvShowImage("back project", backProject);
127
128
129 //释放资源
130 cvWaitKey(0);
131 cvDestroyAllWindows();
132 cvReleaseImage(&src);
133 cvReleaseImage(&img);
134 cvReleaseImage(&backProject);
135 cvReleaseImage(&img2);
136 cvReleaseHist(&hist);
137 }
138
139
140 return 0;
141 }
模板匹配(Match Template) 修改版
模板匹配的工作方式
模板匹配的工作方式跟直方图的反向投影基本一样，大致过程是这样的：通过在输入图像上滑动图像块对实际的图像块和输入图像进行匹配。
假设我们有一张100x100的输入图像，有一张10x10的模板图像，查找的过程是这样的：
（1）从输入图像的左上角(0,0)开始，切割一块(0,0)至(10,10)的临时图像；（改者注：其实每次匹配都是在模板的中心点对应的位置来给像素赋值，即第一次比较应该是将模板的(temp.width/2,temp.height/2)中心点开始的1/4面积同输入图像进行比较，匹配得到的结果c保存到模板中心点所在像素值中，具体参照《Learning OpenCV》，所以最终用来保留匹配结果的图像大小应该是size = （images->width - patch_size.x + 1,images->height - patch_size.y + 1））
（2）用临时图像和模板图像进行对比，对比结果记为c；
（3）对比结果c，就是结果图像(0,0)处的像素值；
（4）切割输入图像从(0,1)至(10,11)的临时图像，对比，并记录到结果图像；
（5）重复（1）～（4）步直到输入图像的右下角。
大家可以看到，直方图反向投影对比的是直方图，而模板匹配对比的是图像的像素值；模板匹配比直方图反向投影速度要快一些，但是我个人认为直方图反向投影的鲁棒性会更好。
模板匹配的匹配方式
在OpenCv和EmguCv中支持以下6种对比方式：
CV_TM_SQDIFF 平方差匹配法：该方法采用平方差来进行匹配；最好的匹配值为0；匹配越差，匹配值越大。
CV_TM_CCORR 相关匹配法：该方法采用乘法操作；数值越大表明匹配程度越好。
CV_TM_CCOEFF 相关系数匹配法：1表示完美的匹配；-1表示最差的匹配。
CV_TM_SQDIFF_NORMED 归一化平方差匹配法
CV_TM_CCORR_NORMED 归一化相关匹配法
CV_TM_CCOEFF_NORMED 归一化相关系数匹配法
根据我的测试结果来看，上述几种匹配方式需要的计算时间比较接近（跟《学习OpenCv》书上说的不同），我们可以选择一个能适应场景的匹配方式。
具体代码：
View Code
1 int main( int argc, char** argv ) {
2
3 IplImage *src, *templ,*ftmp[6]; //ftmp is what to display on
4 int i;
5
6 //Read in the template to be used for matching:
7 if((templ=cvLoadImage("flower1.jpg", 1))== 0) {
8 printf("Error on reading template /n");
9 return(-1);
10 }
11
12 //Read in the source image to be searched:
13 if((src=cvLoadImage("flower.jpg", 1))== 0) {
14 printf("Error on reading src image /n");
15 return(-1);
16 }
17
18 int patchx = templ->width;
19 int patchy = templ->height;
20 int iwidth = src->width - patchx + 1;
21 int iheight = src->height - patchy + 1;
22 for(i=0; i<6; ++i){
23 ftmp[i] = cvCreateImage( cvSize(iwidth,iheight),32,1);
24 }
25
26 //DO THE MATCHING OF THE TEMPLATE WITH THE IMAGE
27 for(i=0; i<6; ++i){
28 cvMatchTemplate( src, templ, ftmp[i], i);
29 // double min,max;
30 // cvMinMaxLoc(ftmp,&min,&max);
31 cvNormalize(ftmp[i],ftmp[i],1,0,CV_MINMAX);
32 }
33 //DISPLAY
34 cvNamedWindow( "Template", 0 );
35 cvShowImage( "Template", templ );
36 cvNamedWindow( "Image", 0 );
37 cvShowImage( "Image", src );
38
39 cvNamedWindow( "SQDIFF", 0 );
40 cvShowImage( "SQDIFF", ftmp[0] );
41
42 cvNamedWindow( "SQDIFF_NORMED", 0 );
43 cvShowImage( "SQDIFF_NORMED", ftmp[1] );
44
45 cvNamedWindow( "CCORR", 0 );
46 cvShowImage( "CCORR", ftmp[2] );
47
48 cvNamedWindow( "CCORR_NORMED", 0 );
49 cvShowImage( "CCORR_NORMED", ftmp[3] );
50
51 cvNamedWindow( "CCOEFF", 0 );
52 cvShowImage( "CCOEFF", ftmp[4] );
53
54 cvNamedWindow( "CCOEFF_NORMED", 0 );
55 cvShowImage( "CCOEFF_NORMED", ftmp[5] );
56
57
58 //LET USER VIEW RESULTS:
59 cvWaitKey(0);
60
61 return 0;
62 }
感谢您耐心看完本文，希望对您有所帮助。