python + opencv图像处理（十三）——直方图的反向投影

HSV 与RGB色彩空间
H：色调（0-360°）
S：饱和度（0.0-1.0）值越大越饱和
V：亮度（0-255）

from cv2 import cv2 as cv
import numpy as np 
from matplotlib import pyplot as plt 


# 直方图反向映射
def back_projection_demo():
    sample = cv.imread("C:\\pictures\\sample.jpg")
    target = cv.imread("C:\\pictures\\target.jpg")
    roi_hsv = cv.cvtColor(sample,cv.COLOR_BGR2HSV)#转换成hsv
    target_hsv = cv.cvtColor(target,cv.COLOR_BGR2HSV)
    # show images
    cv.imshow("sample",sample)
    cv.imshow("target",target)
    # 样本直方图，[32,32]越小，效果越好
    roiHist = cv.calcHist([roi_hsv],[0,1],None,[32,32],[0,180,0,256])
    cv.normalize(roiHist,roiHist,0,255,cv.NORM_MINMAX)  #规划到0-255之间
    '''
    归一化函数cv2.normalize原型：normalize(src, dst[, alpha[, beta[, norm_type[, dtype[, mask]]]]]) -> dst 
    src参数表示输入数组。
    dst参数表示输出与src相同大小的数组，支持原地运算。
    alpha参数表示range normalization模式的最小值。
    beta参数表示range normalization模式的最大值，不用于norm normalization(范数归一化)模式。
    norm_type参数表示归一化的类型。
    norm_type参数可以有以下的取值：
    NORM_MINMAX:数组的数值被平移或缩放到一个指定的范围，线性归一化，一般较常用。
    NORM_INF:归一化数组的C-范数(绝对值的最大值)。
    NORM_L1 ：归一化数组的L1-范数(绝对值的和)。
    NORM_L2 ：归一化数组的(欧几里德)L2-范数。
    '''
    # 计算反向投影
    dst = cv.calcBackProject([target_hsv],[0,1],roiHist,[0,180,0,256],1)
    cv.imshow("backProjection",dst)
    # dest = cv.bitwise_and(target,target_hsv)
    # cv.imshow('and',dest)
    '''
    函数原型：calcBackProject(images, channels, hist, ranges, scale[, dst]) -> dst
    images参数表示输入图像（是HSV图像）。传入时应该用中括号[ ]括起来。
    channels参数表示用于计算反向投影的通道列表，通道数必须与直方图维度相匹配。
    hist参数表示输入的模板图像直方图。
    ranges参数表示直方图中每个维度bin的取值范围 （即每个维度有多少个bin）。
    scale参数表示可选输出反向投影的比例因子，一般取1。
    '''

# 2D直方图计算显示
def hist2D_demo(image):
    hsv = cv.cvtColor(image,cv.COLOR_BGR2HSV)
    hist = cv.calcHist([hsv],[0,1],None,[32,32],[0,180,0,256])  
    # cv.imshow('hist2D_demo',hist)
    plt.imshow(hist,interpolation='nearest')
    plt.title('2D Histogram')
    plt.show()

if __name__ == "__main__":
    '''
    filepath = "C:\\pictures\\6.jpg"
    img = cv.imread(filepath)       # blue green red
    cv.namedWindow("input image",cv.WINDOW_AUTOSIZE)
    cv.imshow("input image",img)
    '''
    # hist2D_demo(img)
    back_projection_demo()


    cv.waitKey(0)
    cv.destroyAllWindows()