update ch22-2

Author: makelove

ch22-直方图/22.4-OpenCV中的反向投影.py

@@ -0,0 +1,52 @@
+# -*- coding: utf-8 -*-
+# @Time    : 2017/7/12 下午11:06
+# @Author  : play4fun
+# @File    : 22.4-OpenCV中的反向投影.py
+# @Software: PyCharm
+
+"""
+22.4-OpenCV中的反向投影.py:
+OpenCV 提供的函数 cv2.calcBackProject() 可以用来做直方图反向 投影。
+它的参数与函数 cv2.calcHist 的参数基本相同。
+其中的一个参数是我 们 查找目标的直方图。
+同样再使用目标的直方图做反向投影之前
+我们应 先 对其做归一化处理。
+ 返回的结果是一个概率图像 我们再使用一个圆盘形卷积 核对其做卷操作 最后使用 值  二值化
+"""
+
+import cv2
+import numpy as np
+
+roi = cv2.imread('tar.jpg')
+hsv = cv2.cvtColor(roi, cv2.COLOR_BGR2HSV)
+target = cv2.imread('roi.jpg')
+hsvt = cv2.cvtColor(target, cv2.COLOR_BGR2HSV)
+# calculating object histogram
+roihist = cv2.calcHist([hsv], [0, 1], None, [180, 256], [0, 180, 0, 256])
+
+# normalize histogram and apply backprojection
+# 归一化 原始图像 结果图像 映射到结果图像中的最小值 最大值 归一化类型
+# cv2.NORM_MINMAX 对数组的所有值进行转化 使它们线性映射到最小值和最大值之  间
+#  归一化之后的直方图便于显示 归一化之后就成了 0 到 255 之 的数了。
+cv2.normalize(roihist, roihist, 0, 255, cv2.NORM_MINMAX)
+dst = cv2.calcBackProject([hsvt], [0, 1], roihist, [0, 180, 0, 256], 1)
+
+# Now convolute with circular disc
+# 此处卷积可以把分散的点连在一起
+disc = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))
+dst = cv2.filter2D(dst, -1, disc)
+# threshold and binary AND
+ret, thresh = cv2.threshold(dst, 50, 255, 0)
+
+# 别忘了是三  图像 因此  使用 merge 变成 3
+thresh = cv2.merge((thresh, thresh, thresh))
+
+# 按位操作
+res = cv2.bitwise_and(target, thresh)
+res = np.hstack((target, thresh, res))
+cv2.imwrite('res.jpg', res)
+
+# 显示图像
+cv2.imshow('1', res)
+cv2.waitKey(0)
+cv2.destroyAllWindows()

ch22-直方图/22.4-直方图反向投影.py

@@ -0,0 +1,52 @@
+# -*- coding: utf-8 -*-
+# @Time    : 2017/7/12 下午11:01
+# @Author  : play4fun
+# @File    : 22.4-直方图反向投影.py
+# @Software: PyCharm
+
+"""
+22.4-直方图反向投影.py:
+
+直方图反向投影是由 Michael J. Swain 和 Dana H. Ballard 在他们的 文章 Indexing via color histograms 中提出。
+
+ 它到底是什么呢 它可以用来做图像分割 或者在图像中找寻我们感兴  的 分。
+ 简单来  它会 出与 入图像 待搜索 同样大小的图像 其中 的每一个像素值代 了 入图像上对应点属于目标对 的概率。
+ 用更简单的  来   输出图像中像素值越高(越白) 的点就 可能代表我们 搜索的目标
+ 在输入图像所在的位置 。
+ 这是一个直观的解释  。
+
+ 直方图投影经常与 camshift 算法等一 使用。
+
+
+
+"""
+import cv2
+import numpy as np
+from matplotlib import pyplot as plt
+
+# Numpy 中的算法
+
+# roi is the object or region of object we need to find
+roi = cv2.imread('rose_red.png')
+hsv = cv2.cvtColor(roi, cv2.COLOR_BGR2HSV)
+# target is the image we search in
+target = cv2.imread('rose.png')
+
+hsvt = cv2.cvtColor(target, cv2.COLOR_BGR2HSV)
+# Find the histograms using calcHist. Can be done with np.histogram2d also
+M = cv2.calcHist([hsv], [0, 1], None, [180, 256], [0, 180, 0, 256])
+I = cv2.calcHist([hsvt], [0, 1], None, [180, 256], [0, 180, 0, 256])
+
+h, s, v = cv2.split(hsvt)
+B = R[h.ravel(), s.ravel()]
+B = np.minimum(B, 1)
+B = B.reshape(hsvt.shape[:2])
+
+disc = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))
+B = cv2.filter2D(B, -1, disc)
+B = np.uint8(B)
+cv2.normalize(B, B, 0, 255, cv2.NORM_MINMAX)
+
+ret,thresh = cv2.threshold(B,50,255,0)
+
+