文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

openCV中如何实现meanshift算法查找目标

2023-06-25 15:06

关注

这篇文章将为大家详细讲解有关openCV中如何实现meanshift算法查找目标,小编觉得挺实用的,因此分享给大家做个参考,希望大家阅读完这篇文章后可以有所收获。

一、简介

图像直方图的反向投影是一个概率分布图,表示一个指定图像片段出现在特定位置的概率。当我们已知图像中某个物体的大体位置时,可以通过概率分布图找到物体在另一张图像中的准确位置。我们可以设定一个初始位置,在其周围反复移动来提高局部匹配概率,从而找到物体的准确位置,这个实现过程叫做均值平移算法。

二、实现过程

因为人物的面部特征相对于其他位置更明显,本次实验主要应用于人物的面部识别。

1、设定感兴趣的区域

感兴趣区域的设定有两种方式,一种是已知图片人物脸部位置的像素坐标,通过设定矩形框来定位到人物脸部位置,另一种是使用opencv自带的selectROI函数,手动框选自己感兴趣的位置。

openCV中如何实现meanshift算法查找目标

2、获取脸部直方图并做归一化

设置一个ColorHistogram类增加一个获取色调直方图的函数getHueHistogram。此函数包含将图像转换成HSV色彩空间,屏蔽低饱和度的像素(可能用到,也可能用不到),计算图像直方图。

cv::Mat getHueHistogram(const cv::Mat &image2, int minSaturation = 0){cv::Mat hist; //转换成HSV色彩空间cv::Mat hsv;cv::cvtColor(image2, hsv, CV_BGR2HSV);//cv::imshow("hsv", hsv); //掩码(可能用的到也可能用不到)cv::Mat mask;if (minSaturation > 0) {std::vector<cv::Mat>v;cv::split(hsv, v);  //将3个通道分割进3幅图像 cv::threshold(v[1], mask, minSaturation, 255, cv::THRESH_BINARY);//屏蔽低饱和度的像素} //准备一维色调直方图的参数hranges[0] = 0.0;hranges[1] = 180.0;  //范围是0~180channels[0] = 0;   //色调通道 //计算直方图cv::calcHist(&hsv, 1,   //仅为一幅图像的直方图channels,             //使用的通道mask,                 //二值掩码hist,                 //作为结果的直方图1,                    //这是一维的直方图histSize,             //箱子数量ranges);              //像素值的范围return hist;}

然后,对获取的直方图做归一化。

void setHistogram(const cv::Mat& h) {histogram = h;cv::normalize(histogram, histogram, 1.0);}

3、反向投影,用meanshift查找目标

打开第二张图像,并将其转换成HSV色彩空间(代码中对输入的图像做了resize,避免有些图像尺寸过大,显示不全),然后对第一幅图像的直方图做反向投影。下面result是反向投影的结果,目前是框选了路飞的脸部作为感兴趣区域,如果框选路飞的帽子,反向投影会有不一样的效果,大家可以自己尝试。

//打开第二幅图像,并转换成HSV,对第一幅图像的直方图做反向投影image = cv::imread("lufei2.JPG");resize(image, image3, cv::Size(500, 700));cv::cvtColor(image3, hsv, CV_BGR2HSV); //转换成HSV色彩空间int ch[1] = { 0 };cv::Mat result = finder.find(hsv, 0.0f, 180.0f, ch);

openCV中如何实现meanshift算法查找目标

使用openCV的meanshift算法可以将初始矩形区域修改成图像人物脸部的新位置。

cv::TermCriteria criteria(cv::TermCriteria::MAX_ITER | cv::TermCriteria::EPS,10, // 最多迭代10 次1); // 或者重心移动距离小于1 个像素cv::meanShift(result, rect, criteria);

openCV中如何实现meanshift算法查找目标

 至此,就找到了另一张图像中人物的脸部。

三、其他实验结果

除了进行从单人图像找另一个单人图像的实验,还做了从单人图像找多人合影的图像,下面是对NBA球星做的一个实验。

openCV中如何实现meanshift算法查找目标

openCV中如何实现meanshift算法查找目标

 四、部分原理补充

本实验为了突出感兴趣目标特征,使用了HSV色彩空间的色调分量,使用CV_BGR2HSV标志转换图像后,得到的第一个通道就是色调分量。这是一个8位分量,值范围为0~180(如果使用cv::cvtColor,转换后的图像与原始图像的类型就会是相同的)。为了提取色调图像,cv::split 函数把三通道的 HSV 图像分割成三个单通道图像。这三幅图像存放在一个 std::vector 实例中,并且色调图像是向量的第一个入口(即索引为 0)。

在使用颜色的色调分量时,要把它的饱和度考虑在内(饱和度是向量的第二个入口),当颜色的饱和度很低时,它的色调信息就会变得不稳定且不可靠。这是因为低饱和度颜色的 B、G 和 R 分量几乎是相等的,这导致很难确定它所表示的准确颜色。因此,在 getHueHistogram 方法中使用 minSat 参数屏蔽掉饱和度低于此阈值的像素,不把它们统计进直方图中。

均值偏移算法是一个迭代过程,用于定位概率函数的局部最大值,方法是寻找预定义窗口内部数据点的重心或加权平均值。然后,把窗口移动到重心的位置,并重复该过程,直到窗口中心收敛到一个稳定的点。OpenCV 实现该算法时定义了两个停止条件:迭代次数达到最大值 (MAX_ITER);窗口中心的偏移值小于某个限值(EPS),可认为该位置收敛到一个稳定点。这两个条件存储在一个 cv::TermCriteria 实例中。

五、完整代码

#include <iostream>#include<Windows.h>#include<opencv2/core.hpp>    //图像数据结构的核心#include<opencv2/highgui.hpp> //所有图形接口函数#include<opencv2/imgproc.hpp>#include <opencv2/imgproc/types_c.h>#include<opencv2/imgproc/imgproc.hpp>#include<opencv2/opencv.hpp> using namespace std;using namespace cv; //获得色调直方图class ColorHistogram{private:int histSize[3]; // 每个维度的大小float hranges[2]; // 值的范围(三个维度用同一个值)const float* ranges[3]; // 每个维度的范围int channels[3]; // 需要处理的通道 public:ColorHistogram() {// 准备用于彩色图像的默认参数// 每个维度的大小和范围是相等的histSize[0] = histSize[1] = histSize[2] = 256;hranges[0] = 0.0; // BGR 范围为0~256hranges[1] = 256.0;ranges[0] = hranges; // 这个类中ranges[1] = hranges; // 所有通道的范围都相等ranges[2] = hranges;channels[0] = 0; // 三个通道:Bchannels[1] = 1; // Gchannels[2] = 2; // R} //计算一维直方图,BGR的原图转换成HSV,忽略低饱和度的像素cv::Mat getHueHistogram(const cv::Mat &image2, int minSaturation = 0){cv::Mat hist; //转换成HSV色彩空间cv::Mat hsv;cv::cvtColor(image2, hsv, CV_BGR2HSV);//cv::imshow("hsv", hsv); //掩码(可能用的到也可能用不到)cv::Mat mask;if (minSaturation > 0) {std::vector<cv::Mat>v;cv::split(hsv, v);  //将3个通道分割进3幅图像 cv::threshold(v[1], mask, minSaturation, 255, cv::THRESH_BINARY);//屏蔽低饱和度的像素} //准备一维色调直方图的参数hranges[0] = 0.0;hranges[1] = 180.0;  //范围是0~180channels[0] = 0;   //色调通道 //计算直方图cv::calcHist(&hsv, 1,   //仅为一幅图像的直方图channels,             //使用的通道mask,                 //二值掩码hist,                 //作为结果的直方图1,                    //这是一维的直方图histSize,             //箱子数量ranges);              //像素值的范围return hist;} }; class ContentFinder {private:// 直方图参数float hranges[2];const float* ranges[3];int channels[3];float threshold; // 判断阈值cv::Mat histogram; // 输入直方图public:ContentFinder() : threshold(0.1f) {// 本类中所有通道的范围相同ranges[0] = hranges;ranges[1] = hranges;ranges[2] = hranges;}// 对直方图做归一化void setHistogram(const cv::Mat& h) {histogram = h;cv::normalize(histogram, histogram, 1.0);} // 查找属于直方图的像素cv::Mat find(const cv::Mat& image, float minValue, float maxValue,int *channels) {cv::Mat result;hranges[0] = minValue;hranges[1] = maxValue;// 直方图的维度数与通道列表一致for (int i = 0; i < histogram.dims; i++)this->channels[i] = channels[i];cv::calcBackProject(&image, 1, // 只使用一幅图像channels, // 通道histogram, // 直方图result, // 反向投影的图像ranges, // 每个维度的值范围255.0 // 选用的换算系数// 把概率值从1 映射到255);cv::imshow("result", result);return result;}}; int main(){cv::Mat image = cv::imread("ZMS1.jpg");cv::Mat image2;cv::Mat image3;cv::Mat hsv;resize(image, image2, cv::Size(500, 700)); cv::Rect rect;rect = cv::selectROI("image", image2, false, false);cv::Mat imageROI = image2(rect).clone();//手动框选 //手动设置矩形框选范围 cv::rectangle(image2, rect, cv::Scalar(255, 0, 0), 1, cv::LINE_8, 0); cv::imshow("image2", image2);//得到人脸直方图int minsat = 65;  //最小饱和度ColorHistogram hc;cv::Mat colorhist = hc.getHueHistogram(imageROI, minsat);//把直方图传给ContentFinder类ContentFinder finder;finder.setHistogram(colorhist);//对直方图做归一化 //打开第二幅图像,并转换成HSV,对第一幅图像的直方图做反向投影image = cv::imread("ZMS2.JPG");resize(image, image3, cv::Size(500, 700));cv::cvtColor(image3, hsv, CV_BGR2HSV); //转换成HSV色彩空间int ch[1] = { 0 };cv::Mat result = finder.find(hsv, 0.0f, 180.0f, ch); cv::TermCriteria criteria(cv::TermCriteria::MAX_ITER | cv::TermCriteria::EPS,10, // 最多迭代10 次1); // 或者重心移动距离小于1 个像素cv::meanShift(result, rect, criteria);cv::rectangle(image3, rect, cv::Scalar(0, 255, 0), 1, cv::LINE_8, 0);cv::imshow("image3", image3);waitKey(0);}

关于“openCV中如何实现meanshift算法查找目标”这篇文章就分享到这里了,希望以上内容可以对大家有一定的帮助,使各位可以学到更多知识,如果觉得文章不错,请把它分享出去让更多的人看到。

阅读原文内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯