学习opencv使用反向块投影搜寻图像中的物体的位置cvcalcbackproject

1、学习opencv使用反向块投影搜寻图像中的物体的位置cvCalcBackProject.前一篇讲了使用cvCalcBackProject寻找手的肤色地 方这一篇讲在一幅图像中寻找莫个特定的小物体步骤：1 .使用一幅只包含小物体的图片（图片大小和物体一样大即可，不需要向上一篇同样大），计算其二维直方图（HSV空间中的h（亮度）和s （饱和度）二维直方图（还可以和图像的梯度和（或）梯度角度结合起来，查找纹理相似和（或）颜色相似2 .输入一幅待搜索的图片，转化为HSV空间，只取h和s分量3 .设置搜索块大小和物体大小相同 （即和第1步中图片大小 相同），使用cvCalcBackProjectPatc

2、h反向块投影 和图片 result4 .在result中取最大值所在位置，即可得到物体在输入图片 中的位置了。（或者设定一个阈值）示例程序如下：#include <iostream>#include <cv.h>#include <highgui.h>#include <cxcore.h>using namespace std;void GetHSV(const IplImage *image,IplImage *h,IplImage*s,IplImage *v);int main(

3、)IplImage *src = cvLoadImage("f:imagesbluecup.jpg");IplImage *h_src = NULL ,*s_src = NULL;GetHSV(src,&h_src,&s_src,NULL);IplImage *images口 = h_src,s_src;CvHistogram *hist_src;计算二维直方图int dims = 2;int size = 30,32; / 这个地方不要取的太大 ！当取为size口 = 180,256时E7200CPU会运行长达10几 分钟的！float r

4、ange_h口 = 0,180 / 再用 cvCvtColor 转换时 h 已经归 一化到180 了,range_s = 0,256;float *ranges口 = range_h,range_s;hist_src =cvCreateHist(dims,size,CV_HIST_ARRAY ,ranges);cvCalcHist(images,hist_src);cvNormalizeHist(hist_src,1);IplImage *dst = cvLoadImage("f:imagesadrian1.jpg");IplImage *h_dst = NULL,*s_d

5、st = NULL;GetHSV(dst,&h_dst,&s_dst,NULL);images0 = h_dst ,images1 = s_dst;CvSize patch_size = cvSize(src->width,src->height);IplImage *result = cvCreateImage(cvSize(h_dst->width -patch_size.width +1,h_dst->height - patch_size.height +1),IPL_DEPTH_32F,1);/块

6、搜索时处理边缘是直接舍去，故 result的大/卜比 dst小path_size大/卜/32F类型，取值为01最亮为1,可直接显示/CV_COMP_CORREL 相关度，1时最匹配，0时最不匹配cvCalcBackProjectPatch(images,result,patch_size,hist_src,CV_COMP_CORREL,1);cvShowImage("result",result);我由最大值位置，可得到此位置即为杯子所在位置CvPoint max_location;cvMinMaxLoc(result,NULL,NULL,NULL,&max

7、_location ,NULL);加上边缘，得到在原始图像中的实际位置max_location.x += cvRound(patch_size.width/2);max_location.y += cvRound(patch_size.height/2);/在dst图像中用红色小圆点标由位置cvCircle(dst,max_location,3,CV_RGB(255,0,0),-1);cvShowImage("dst",dst);cvWaitKey();cvReleaseImage(&src);cvReleaseImage(&dst);cvR

8、eleaseImage(&h_src);cvReleaseImage(&h_dst);cvReleaseImage(&s_dst);cvReleaseImage(&s_src);cvReleaseHist(&hist_src);cvReleaseImage(&result);cvDestroyAllWindows();void GetHSV(const IplImage *image , IplImage *h,IplImage*s,IplImage *v) (IplImage *hsv = cvC

9、reateImage(cvGetSize(image),8,3);cvCvtC010r(image,hsv,CV_BGR2HSV);if(h != NULL) && (*h = NULL)* h = cvCreateImage(cvGetSize(image),8,1);if(s != NULL) && (*s = NULL)* s = cvCreateImage(cvGetSize(image),8,1);if(v != NULL) && (*v = NULL)* v = cvCreateImag

10、e(cvGetSize(image),8,1);cvSplit(hsv,*h,(s =NULL)?NULL:*s,(v=NULL)?NULL:*v,NULL);cvReleaseImage(&hsv);第一步物体图片src刚好包含要搜索的物体：第二步输入图像即待搜索的图像如下：在我的E7200 CPU , 1GB内存 上大概运行了 20秒内吧, 将size内的数应该可以再适当改的更小此，速度就会提高更多了结果如下（见图中红色小圆圈标记由来）：若待搜索的图片里有多个此物体，也是可以通过这种方法找由来的产于cvCalcBackProjectPatch 的大概意义，按我的理解的话，应该是通过块窗口搜索图像，比较窗口中对应像素的二维直方图与给定直方图的差异，若完全相同，那当然就越匹配对于不同的相关度方法，越匹配，具值由相关度方法而定，如本程序使用的是CV_COMP_CORREL即越相似，则值越