calcBackProject的输入通常为目标区域的直方图和待跟踪图像的直方图,输出与待跟踪图像大小相同,每一个像素点表示该点为目标区域的概率。这个点越亮,该点属于物体的概率越大。

步骤:

1.使用一幅只包含小物体的图片(图片大小和物体一样大即可, 不需要向上一篇同样大),计算其二维直方图 (HSV空间中的 h(亮度)和 s (饱和度) 二维直方图   (还可以和图像的梯度和(或)梯度角度结合起来,查找纹理相似 和(或) 颜色相似

2.输入一幅待搜索的图片, 转化为HSV空间 ,只取h 和 s 分量

3. 设置搜索块大小和物体大小相同(即和第1步中图片大小相同) ,使用cvCalcBackProjectPatch反向块投影 和图片result

4.在result中取最大值所在位置,即可得到物体在输入图片中的位置了。 (或者设定一个阈值)

示例程序如下:

[cpp] view plaincopy
  1. #include <iostream>
  2. #include <cv.h>
  3. #include <highgui.h>
  4. #include <cxcore.h>
  5. using namespace std;
  6. void GetHSV(const IplImage *image,IplImage **h,IplImage **s,IplImage **v);
  7. int main()
  8. {
  9. IplImage *src = cvLoadImage("f:\\images\\bluecup.jpg");
  10. IplImage *h_src = NULL ,*s_src = NULL;
  11. GetHSV(src,&h_src,&s_src,NULL);
  12. IplImage *images[] = {h_src,s_src};
  13. CvHistogram *hist_src;
  14. {//计算二维直方图
  15. int dims = 2;
  16. int size[] = {30,32}; // 这个地方不要取的太大!
  17. //当取为size[] = {180,256}时E7200CPU会运行长达10几分钟的!
  18. float range_h[] = {0,180} //再用cvCvtColor转换时h已经归一化到180了
  19. ,range_s[] = {0,256};
  20. float *ranges[] = {range_h,range_s};
  21. hist_src = cvCreateHist(dims,size,CV_HIST_ARRAY,ranges);
  22. cvCalcHist(images,hist_src);
  23. cvNormalizeHist(hist_src,1);
  24. }
  25. IplImage *dst = cvLoadImage("f:\\images\\adrian1.jpg");
  26. IplImage *h_dst = NULL,*s_dst = NULL;
  27. GetHSV(dst,&h_dst,&s_dst,NULL);
  28. images[0] = h_dst ,images[1] = s_dst;
  29. CvSize patch_size = cvSize(src->width,src->height);
  30. IplImage *result = cvCreateImage(cvSize(h_dst->width - patch_size.width +1,h_dst->height - patch_size.height +1)
  31. ,IPL_DEPTH_32F,1);//块搜索时处理边缘是直接舍去,故result的大小比dst小path_size大小
  32. //32F类型,取值为0~1最亮为1,可直接显示
  33. //CV_COMP_CORREL相关度,1时最匹配,0时最不匹配
  34. cvCalcBackProjectPatch(images,result,patch_size,hist_src,CV_COMP_CORREL,1);
  35. cvShowImage("result",result);
  36. //找出最大值位置,可得到此位置即为杯子所在位置
  37. CvPoint max_location;
  38. cvMinMaxLoc(result,NULL,NULL,NULL,&max_location,NULL);
  39. //加上边缘,得到在原始图像中的实际位置
  40. max_location.x += cvRound(patch_size.width/2);
  41. max_location.y += cvRound(patch_size.height/2);
  42. //在dst图像中用红色小圆点标出位置
  43. cvCircle(dst,max_location,3,CV_RGB(255,0,0),-1);
  44. cvShowImage("dst",dst);
  45. cvWaitKey();
  46. cvReleaseImage(&src);
  47. cvReleaseImage(&dst);
  48. cvReleaseImage(&h_src);
  49. cvReleaseImage(&h_dst);
  50. cvReleaseImage(&s_dst);
  51. cvReleaseImage(&s_src);
  52. cvReleaseHist(&hist_src);
  53. cvReleaseImage(&result);
  54. cvDestroyAllWindows();
  55. }
  56. void GetHSV(const IplImage *image , IplImage **h,IplImage **s,IplImage **v)
  57. {
  58. IplImage *hsv = cvCreateImage(cvGetSize(image),8,3);
  59. cvCvtColor(image,hsv,CV_BGR2HSV);
  60. if((h != NULL) && (*h == NULL))
  61. *h = cvCreateImage(cvGetSize(image),8,1);
  62. if((s != NULL) && (*s == NULL))
  63. *s = cvCreateImage(cvGetSize(image),8,1);
  64. if((v != NULL) && (*v == NULL))
  65. *v = cvCreateImage(cvGetSize(image),8,1);
  66. cvSplit(hsv,*h,(s == NULL)?NULL:*s,(v==NULL)?NULL:*v,NULL);
  67. cvReleaseImage(&hsv);
  68. }

第一步物体图片src刚好包含要搜索的物体:

第二步输入图像即待搜索的图像如下:

在我的E7200 CPU , 1GB内存 上大概运行了20秒内吧,将size内的数应该可以再适当改的更小此,速度就会提高更多了

结果如下(见图中红色小圆圈标记出来):

若待搜索的图片里有多个此物体,也是可以通过这种方法找出来的

产于cvCalcBackProjectPatch的大概意义 ,

按我的理解的话,应该是通过块窗口搜索图像,比较窗口中对应像素的二维直方图与给定直方图的差异,若完全相同,那当然就越匹配

对于不同的相关度方法,越匹配,其值由相关度方法而定,

如本程序使用的是

[cpp] view plaincopy
  1. CV_COMP_CORREL

即越相似,则值越接近1. 反之则趋于0

calcBackProject函数(搜索小物体的位置)相关推荐

  1. 无卷积步长或池化:用于低分辨率图像和小物体的新 CNN 模块SPD-Conv

    No More Strided Convolutions or Pooling:A New CNN Building Block for Low-Resolution Images and Small ...

  2. IEEE2019论文:使用基于特征融合和缩放的具有空间上下文分析的单镜头检测器在无人机图像中检测小物体

    摘要: 无人机(UAV)图像中的目标由于拍摄高度较高通常都很小,我们虽然在目标检测方面已经做了很多工作,但是如何准确.快速地检测出小目标仍然是一个有待解决的挑战.本文针对无人机图像中的小目标检测问题, ...

  3. 【自动驾驶】鸽了很久的小物体目标检测代码【小物体目标检测】

    鸽了很久的小物体目标检测代码 https://github.com/LT1st/SmallObstacleDetection/tree/main/code#readme Pytorch: Small ...

  4. anchor base和anchor free, 小物体检测, YOLO V1-3 9000 V4 V5 的区别,yolov5-8, yolox创新点

    文章目录 Anchor base和Anchor Free的区别: 如何增强模型对小物体的检测效果 Yolo基本思想 不同版本的Yolo网络差异 YOLO V1 YOLO V2 YOLO9000 YOL ...

  5. wpdec函数_MATLAB小波函数总结

    函数   含义                  *:小波通用函数 Allnodes   计算树结点 appcoef   提取一维小波变换低频系数 appcoef2   提取二维小波分解低频系数 be ...

  6. 小波变换的尺度函数和小波函数分析

    低频数据决定图像大致轮廓,而高频数据决定图像的清晰度 小波变换能实现傅立叶变换无法分析的非平稳信号的频谱分析.之前在对小波变换进行理解的时候,只知道是对信号进行分解.直到详细理解时,发现有尺度函数和小 ...

  7. 虚幻4入门(设置游戏物体的位置,代码施加力和力矩,碰撞)

    虚幻4入门 设置游戏物体的位置 一种是在视口托取,一种是在属性面板编辑,这俩中很粗暴就不演示了 还有就是在C++类里使用代码进行控制,这边要使用一个SetActorLocation(FVector a ...

  8. Windows快速搜索小技巧

    Windows快速搜索小技巧 -基础配置部分 话不多说,script先安排上(辣鸡CSDN,batch语法高亮不能识别): @echo off set varStr=https://www.baidu ...

  9. C++类的虚函数表和虚函数在内存中的位置

    C++类的虚函数表和虚函数在内存中的位置 C++类的虚函数表和虚函数在内存中的位置 虚函数表和虚函数在内存中的位置说明 参考 C++类的虚函数表和虚函数在内存中的位置 虚函数表指针是虚函数表所在位置的 ...

最新文章

  1. 二叉树镜像,交换左右子树
  2. latex中常使用符号大全
  3. 半可信混合技术:BCH混币工具CashShuffle引入STAT
  4. vue拖动改变模板_可视化拖拽 UI 布局之拖拽篇
  5. matlab 变长参数,变长参数函数的概念
  6. JavaDoc命令使用说明
  7. windows安装mysql5.7
  8. java获取教务系统成绩,Java httpClient 正方教务管理系统模拟登陆,爬取学生成绩和培养计划...
  9. python读取指定页docx内容_Python读取指定目录下指定后缀文件并保存为docx
  10. VB 窗体实现文件拖拽获取路径方法
  11. 面向对象——类设计(七)
  12. 覆盖索引与联合索引_MySQL:你知道什么是覆盖索引吗?
  13. 11月第4周国内域名服务商TOP10:7家实现净增长
  14. ssm框架整合springSecurity
  15. 计算机文化基础心得体会1500字,《计算机文化基础教学改革与实践》工作总结报告.docx...
  16. 电容式触摸感应按键解决方案(转载)
  17. 一张让android死机图片,导致安卓手机死机的照片拍摄者表示这张照片是无意之举...
  18. 基于centos7制作安装好环境的iso镜像文件
  19. Codeforces Contest 730 A Toda 2 —— 贪心
  20. Unity3D中的动态字体和静态字体

热门文章

  1. Adb shell命令打电话测试4G
  2. WINCE6.0+S3C2443的启动过程---eboot3
  3. u32、u16、u8 数据类型
  4. 20135337朱荟潼 Linux第八周学习总结——进程的切换和系统的一般执行过程
  5. Kafka JAVA客户端代码示例--高级应用
  6. 简单工厂模式与工厂方法模式
  7. 第十三课:磁场中的运动电荷
  8. 使用Trello看板管理项目
  9. 利用优盘安装win2008r2系统
  10. Java程序员从笨鸟到菜鸟之(四十四)细谈struts2(七)数据类型转换详解