11、直方图反向投影

根据样本的直方图，找到图像与样本相似的地方，即反向投影技术

反向投影多半在HSV色彩空间

2019_01_04_21:11:22.png

2D直方图

原图

def hist2d_function(image):
    hsv = cv.cvtColor(image, cv.COLOR_BGR2HSV)
    '''
        channels：2d 即有两个通道
        histSize：bin大小，Hue(色调)：180；Saturation(饱和度)：256
        ranges：Hue(色调)：0~180；Saturation(饱和度)：0～256
    '''
    hist = cv.calcHist([hsv], channels=[0, 1], mask=None, histSize=[180, 256],ranges=[0, 180, 0, 256])
    plt.imshow(hist,interpolation= 'nearest')
    plt.title("2D histogram")
    plt.show()

2D直方图

#bin值越大，每个像素细分得越厉害，导致反向处理产生碎片化， 可以改小一下bin值
hist = cv.calcHist([hsv], channels=[0, 1], mask=None, histSize=[36, 48],ranges=[0, 180, 0, 256])

减少bin的大小

---

反向投影

def back_projection(target, sample):
    sample_hsv = cv.cvtColor(sample, cv.COLOR_BGR2HSV)
    target_hsv = cv.cvtColor(target, cv.COLOR_BGR2HSV)

    sample_hist = cv.calcHist([sample_hsv], channels=[0, 1], mask=None,
                              histSize=[180, 256], ranges=[0, 180, 0, 256])
    cv.normalize(sample_hist, sample_hist, 0, 255, cv.NORM_MINMAX) #将sample的直方图归一化
    dst = cv.calcBackProject([target_hsv], channels=[
                             0, 1], hist=sample_hist, ranges=[0, 180, 0, 256], scale=1) #反向投影
    cv.imshow("backProjection", dst)

bin：180,256

bin：32,32

bin：25,25

bit_and = cv.bitwise_and(target,target,mask = dst)
cv.imshow("按位与",bit_and)

按位与