当前位置：首页 > news >正文

直方图反向投影

news 来源：原创 2025/5/6 11:25:19

一、概念

二、OpenCV C++实现

2.1 基础实现代码

2.2 优化实现（带遮罩）

三、应用场景

3.1 目标跟踪

3.2 图像分割

3.3 工业检测

四、性能优化技巧

一、概念

直方图反向投影（Histogram Back Projection）是一种基于概率的图像处理技术，它通过将目标特征的直方图反向映射到输入图像上，生成一个概率分布图，用于定位目标在图像中的位置。

核心特点：
1. 反向映射：将直方图统计结果反向投影到原图像空间
2. 概率表示：生成图像中每个像素值表示该位置符合目标直方图的概率
3. 非参数估计：不需要假设数据服从特定分布

二、OpenCV C++实现

2.1 基础实现代码

#include <opencv2/opencv.hpp>
using namespace cv;void histogramBackProjection(Mat& src, Mat& target, Mat& result) {// 1. 转换到HSV色彩空间Mat hsv_src, hsv_target;cvtColor(src, hsv_src, COLOR_BGR2HSV);cvtColor(target, hsv_target, COLOR_BGR2HSV);// 2. 计算目标直方图int histSize[] = { 30, 32 };float h_range[] = { 0, 180 };float s_range[] = { 0, 256 };const float* ranges[] = { h_range, s_range };int channels[] = { 0, 1 };Mat hist;calcHist(&hsv_target, 1, channels, Mat(), hist, 2, histSize, ranges, true, false);normalize(hist, hist, 0, 255, NORM_MINMAX);// 3. 执行反向投影Mat backproj;calcBackProject(&hsv_src, 1, channels, hist, backproj, ranges, 1, true);// 4. 二值化处理threshold(backproj, result, 50, 255, THRESH_BINARY);
}

2.2 优化实现（带遮罩）

// ... 包含头文件等代码 ...Mat advancedBackProjection(Mat& src, Mat& target, Mat& mask) {Mat hsv_src, hsv_target;cvtColor(src, hsv_src, COLOR_BGR2HSV);cvtColor(target, hsv_target, COLOR_BGR2HSV);// 使用遮罩计算直方图Mat hist;int channels[] = { 0, 1 };int histSize[] = { 180, 256 };float h_range[] = { 0, 180 };float s_range[] = { 0, 256 };const float* ranges[] = { h_range, s_range };calcHist(&hsv_target, 1, channels, mask, hist, 2, histSize, ranges);normalize(hist, hist, 0, 255, NORM_MINMAX);// 反向投影Mat result;calcBackProject(&hsv_src, 1, channels, hist, result, ranges, 1, true);// 形态学处理Mat kernel = getStructuringElement(MORPH_ELLIPSE, Size(5,5));morphologyEx(result, result, MORPH_OPEN, kernel);return result;
}

三、应用场景

3.1 目标跟踪

// 初始化目标直方图
Mat target_hist = calculateTargetHistogram(initial_frame, roi);// 视频处理循环
while(capture.read(frame)) {Mat prob_map;calcBackProject(frame, target_hist, prob_map);// 使用MeanShift/CamShift跟踪RotatedRect track_box = CamShift(prob_map, track_window);rectangle(frame, track_box, Scalar(0,255,0), 2);
}

3.2 图像分割

// 基于颜色特征分割
Mat backproj = histogramBackProjection(src, target_color_sample);
Mat segmented;
src.copyTo(segmented, backproj); // 通过掩码提取目标区域

3.3 工业检测

// 检测特定颜色的缺陷
Mat defect_map = backProjection(inspection_image, defect_sample);
int defect_count = countNonZero(defect_map > threshold);
if(defect_count > 0) {cout << "发现缺陷" << endl;
}