OpenCV-Python之图像直方图的反向投影

这个技术常常用来跟踪目标，且需要转换在HSV色彩空间

1.建立2D直方图

import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np

def hist2D_demo(image):
    hsv = cv.cvtColor(image, cv.COLOR_BGR2HSV)
    hist = cv.calcHist([hsv],[0, 1], None, [180, 256], [0, 180, 0, 255])
    plt.imshow(hist, interpolation='nearest')
    plt.title('Histogram 2D image')
    plt.show()

src = cv.imread('./data/lena.jpg', 1)
cv.imshow('souce', src)
hist2D_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()

calcHist说明

• 其中第一个参数必须用方括号括起来。
• 第二个参数是用于计算直方图的通道；
• 第三个参数是Mask，这里没有使用，所以用None。
• 第四个参数是histSize，表示这个直方图分成多少份（即多少个直方柱）
• 第五个参数是表示直方图中各个像素的值，[0.0, 256.0]表示直方图能表示像素值从0.0到256的像素。
• 最后是两个可选参数，由于直方图作为函数结果返回了，所以第六个hist就没有意义了（待确定）
• 最后一个accumulate是一个布尔值，用来表示直方图是否叠加。

若更改

 hist = cv.calcHist([hsv],[0, 1], None, [32, 32], [0, 180, 0, 255])

有

2.建立直方图反向投影

import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np

def hist_projection_demo():
    target = cv.imread('./data/real-madrid-vs-juventus.png',1)
    sample = cv.imread('./data/violet.png',1)

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

    cv.imshow('simple image', sample)
    cv.imshow('target image', target)

    sampleHist = cv.calcHist([sample_hsv], [0, 1], None ,[32, 48], [0, 180, 0, 256])
    cv.normalize(sampleHist,sampleHist,0, 255, cv.NORM_MINMAX)
    dst = cv.calcBackProject([target_hsv], [0,1], sampleHist, [0,180,0,256],1)
    cv.imshow('projectionHistogram image', dst)


def hist2D_demo(image):
    hsv = cv.cvtColor(image, cv.COLOR_BGR2HSV)
    hist = cv.calcHist([hsv],[0, 1], None, [180, 256], [0, 180, 0, 255])
    plt.imshow(hist, interpolation='nearest')
    plt.title('Histogram 2D image')
    plt.show()


hist_projection_demo()
cv.waitKey(0)
cv.destroyAllWindows()