标签:target python Pictures 180 opencv 直方图 256 cv
直方图反向投影
1、先把RGB色彩空间转换为HSV色彩空间
2、计算样本的2D直方图
3、对样本直方图作归一化
4、对目标图像作反向投影
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt
def back_project_demo():
sample = cv.imread('C:/Users/Y/Pictures/Saved Pictures/lena.png')
target = cv.imread('C:/Users/Y/Pictures/Saved Pictures/lenanoise.png')
roi_hsv = cv.cvtColor(sample, cv.COLOR_BGR2HSV)
target_hsv = cv.cvtColor(target, cv.COLOR_BGR2HSV)
# show iamges
cv.imshow('sample', sample)
cv.imshow('target', target)
# 计算样本的2D直方图,[0, 1]表示2个通道,[180,256]分别表示两个通道的范围,[0,180,0,256]是固定的值,不用改
# 是HSV两个通道的取值范围
# [180,256]这两个值的数值越大,对像素的划分越精细,图像看起来越不准确,可适当将数值改小
roiHist = cv.calcHist([roi_hsv], [0, 1], None, [180, 256], [0, 180, 0, 256])
# 根据MINMAX作归一化
cv.normalize(roiHist, roiHist, 0, 255, cv.NORM_MINMAX)
# 反向投影
dst = cv.calcBackProject([target_hsv], [0, 1], roiHist, [0, 180, 0, 256], 1)
cv.imshow('backProjectionDemo', dst)
# 建立2D直方图
def hist2d_demo(image):
hsv = cv.cvtColor(image, cv.COLOR_BGR2HSV)
# mask是None,两个通道的histSize分别是180和256,H范围是0-180,S范围是0-256,
hist = cv.calcHist([image], [0, 1], None, [32, 32], [0, 180, 0, 256])
# cv.imshow('hist2d', hist)
plt.imshow(hist, interpolation='nearest')
plt.title('2D Histogram')
plt.show()
src = cv.imread('C:/Users/Y/Pictures/Saved Pictures/demo.png')
cv.namedWindow('input image', cv.WINDOW_AUTOSIZE)
cv.imshow('input image', src)
hist2d_demo(src)
back_project_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()
原图像 原图相对应的2D直方图
sample图像 target图像 对target图像做反向投影
菜椒123 发布了47 篇原创文章 · 获赞 8 · 访问量 1万+ 私信 关注标签:target,python,Pictures,180,opencv,直方图,256,cv 来源: https://blog.csdn.net/Acmer_future_victor/article/details/104147594
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。