反向投影（Back Projection）

浅浅的花香味﹌ 2022-03-22 03:24 306阅读 0赞

[官网教程][Link 1]

## 原理 ##

*  反向投影表示的是一种（给定的一幅图的直方图）和（需要匹配的图的像素）匹配程度。
 *  举例：如果已知一副图像的直方图，图中有特征区域， 根据此直方图能在其他图像中检测到相似的特征区域

步骤：

1.  先对特征图片计算它的直方图（可能是多维）
2.  遍历匹配图像，找到每一个像素点对应特征图的直方图中的bin
3.  将此bin中的值保存到新图像（最后的back projection）

--------------------

## 代码 ##

官网代码

#include <opencv2/opencv.hpp>
    #include <iostream>
    
    using namespace cv;
    using namespace std;
    
    
    Mat hue;
    int bins=25;
    
    void Hist_and_Backprj(int,void*);
    
    int main(void)
    { 
        Mat src = imread("../res/hand.jpg");
        if(src.empty())
        { 
    	cout << "can't load the image" << endl;
        }
    
        Mat hsv;
        cvtColor(src,hsv,cv::COLOR_BGR2HSV);
    
        hue.create(src.size(),src.depth());
        int ch[] = { 0,0};
        cv::mixChannels(&hsv,1,&hue,1,ch,1);
    
    
        const char* window_image = "sourc image";
        namedWindow(window_image);
        createTrackbar("Hue bins:", window_image,&bins,180,Hist_and_Backprj);
    
    	
        imshow(window_image,src);
        waitKey();
    
        return 0;
    };
    
    void Hist_and_Backprj(int,void*)
    { 
        int histSize = MAX(bins,2);
        float hue_range[] = { 0,180};
        const float* ranges = { hue_range};
    
        Mat hist;
        calcHist(&hue,1,0,Mat(),hist,1,&histSize,&ranges,true,false); //对于hue计算它的直方图
        normalize(hist,hist,0,255,NORM_MINMAX,-1,Mat()); //规范化到0-255之间，因为Back Projection需要bin里面的值形成一幅图
    
        Mat backproj;
        cv::calcBackProject(&hue,1,0,hist,backproj,&ranges,1,true);//计算back projection
        imshow("BackProj",backproj);
    
    
    //画直方图
        int w=400,h=400;
        int bin_w = cvRound((double)w/histSize);
        Mat histImg = Mat::zeros(h,w,CV_8UC3);
        
        for(int i=0; i<bins; i++)
        { 
    	cv::rectangle(histImg, Point(i*bin_w,h), Point( (i+1)*bin_w, h-cvRound(hist.at<float>(i)*h/255.0)), Scalar(0,0,255),FILLED);
        }
        imshow("Histogram",histImg);
    
    }

结果：

![在这里插入图片描述][20190125175510743.png]

--------------------

## OpenCV API ##

1.  复制输入图像的一个通道到输出图像的一个通道  
    [void cv::mixChannels][void cv_mixChannels]  
    (  
    const Mat \* src,     // 输入图像的数组，每个图像都必须相同size和depth  
    size\_t nsrcs,    //输入图像的个数  
    Mat \* dst,       //输出图像数组，所有图像必须是已经被**分配好大小、深度**，和src\[0\]的size和depth一样  
    size\_t ndsts,    //输出图像的个数  
    const int \* fromTo,    // channel 配对的 编号 ，见下面解释  
    size\_t npairs     //复制的对数（1,0）意味着一对，从输入图像1channel 到输出图像的0channel  
    )

下面代码是将BGRA的一副图像，转化成 3通道的RGB图和单通道的alpha图

![20190125160308813.png][]

第一行：创建bgra图像  
第二行：先将输出的图像分配好  
第三行：创建输出图像数组，作为参数传递  
第四行：就是上面函数的fromTo参数，通道的编号是连续的，比如输出图像RGB通道编号为0,1,2；alpha图编号为3，

1.  计算一个直方图的反向投影  
    [void cv::calcBackProject ][void cv_calcBackProject]  
    (  
    const Mat \* images,     //输入图像数组，有相同的szie、depth。可以有不同的channels  
    int nimages,        //输入图像的个数  
    const int \* channels,    // 输入图像channels的数组，\{\[0,1\],\[2,3,4\]\}意味着两张图，图片一有2通道，图片二有3个通道  
    InputArray hist,       //输入的直方图  
    OutputArray backProject,    //输出的反向投影的数组，每个元素都是单通道，size和depth和image\[0\]一样  
    const float \*\* ranges,    // 直方图每个维度bin的rang（参考[上一个例程][Link 2]）  
    double scale = 1,    // 每个像素输出的反向投影值的scale  
    bool uniform = true     // range是否是均匀分布  
    )

[Link 1]: https://docs.opencv.org/master/da/d7f/tutorial_back_projection.html
[20190125175510743.png]: /images/20220322/c9befd1fa7a745729c5aa8e12cf94c39.png
[void cv_mixChannels]: https://docs.opencv.org/master/d2/de8/group__core__array.html#ga51d768c270a1cdd3497255017c4504be
[20190125160308813.png]: /images/20220322/ffdf18de20e34a6eacb063e90e881d5d.png
[void cv_calcBackProject]: https://docs.opencv.org/master/d6/dc7/group__imgproc__hist.html#ga3a0af640716b456c3d14af8aee12e3ca
[Link 2]: https://blog.csdn.net/zzyczzyc/article/details/86616213