像素重映射
map1 和 map2分别代表图片的位置,map1是X轴,map2是Y轴,关于困惑可以参考这篇博文,传送门
void update_map(void) {
//遍历图片像素
for (int row = 0; row < src.rows; row++) {
for (int col = 0; col < src.cols; col++) {
switch (index) {
case 0://缩小到中间位置
if (col > (src.cols * 0.25) && col <= (src.cols*0.75) && row > (src.rows*0.25) && row <= (src.rows*0.75)) {
map_x.at<float>(row, col) = 2 * (col - (src.cols*0.25));
map_y.at<float>(row, col) = 2 * (row - (src.rows*0.25));
}
else {
map_x.at<float>(row, col) = 0;
map_y.at<float>(row, col) = 0;
}
break;
case 1://左右颠倒
map_x.at<float>(row, col) = (src.cols - col - 1);
map_y.at<float>(row, col) = row;
break;
case 2://上下颠倒
map_x.at<float>(row, col) = col;
map_y.at<float>(row, col) = (src.rows - row - 1);
break;
case 3://上下左右颠倒
map_x.at<float>(row, col) = (src.cols - col - 1);
map_y.at<float>(row, col) = (src.rows - row - 1);
break;
}
}
}
}
直方图均衡化
图像拆通道
vector<Mat> bgr_planes;
split(src, bgr_planes);
计算直方图
这篇博文介绍比较详细,传送门
直方图比较
compareHist(InputArray h1, // 直方图数据,
下同InputArray H2,
int method// 比较方法,上述四种方法之一)
Mat hist_base;
Mat hist_test1;
int histSize = 256;//直方图等级数
float range[] = { 0, 256 };
const float* histRanges = { range };//直方图等级范围
//参数1:输入图片 2:图像通道数 3:统计哪一个通道 4:掩码 5:输出 6:需要计算几个通道 7:直方图等级数 8:直方图等级范围 9 10:默认
calcHist(&gray_src,1,0,Mat(), hist_base,1, &histSize, &histRanges, true, false);
calcHist(&guass_src,1, 0, Mat(), hist_test1, 1, &histSize, &histRanges, true, false);
//归一化
normalize(hist_base, hist_base, 0, 1, NORM_MINMAX, -1, Mat());
normalize(hist_test1, hist_test1, 0, 1, NORM_MINMAX, -1, Mat());
//比较直方图-直方图相关性比较
double basetest1 = compareHist(hist_base, hist_test1, CV_COMP_CORREL);
printf("test1 compare with test2 correlation value :%.5f", basetest1);
直方图反向投影
- 反向投影是反映直方图模型在目标图像中的分布情况
- 简单的讲,就是用直方图模型去目标图像中寻找是否有相似的对象。通常用HSV色彩空间的HS两个通道直方图模型。
cvtColor(src, hsv, CV_BGR2HSV);
hue.create(hsv.size(), hsv.depth());
int nchannels[] = { 0, 0 };
//参数2,4,6:拷贝对数 参数5:从哪个通道到哪个通道
mixChannels(&hsv, 1, &hue, 1, nchannels, 1);//拷贝hsv中的h通道到hue
int bins = 12;
float range[] = { 0, 180 };
const float *histRanges = { range };
Mat h_hist;
//参数1:输入图片 2:图像通道数 3:统计哪一个通道 4:掩码 5:输出 6:需要计算几个通道 7:直方图等级数 8:直方图等级范围 9 10:默
calcHist(&hue, 1, 0, Mat(), h_hist, 1, &bins, &histRanges, true, false);
normalize(h_hist, h_hist, 0, 255, NORM_MINMAX, -1, Mat());
Mat backPrjImage;
//参数1:目标图像 2:输入图像数量 3:用于计算反向投影的通道列表 4:输入的直方图 5:目标反向投影输出图像
//6:直方图中每个维度bin的取值范围 7: 可选输出反向投影的比例因子 8:默认
calcBackProject(&hue, 1, 0, h_hist, backPrjImage, &histRanges, 1, true);//直方图反向投影
imshow("BackProj", backPrjImage);
如有帮组,请点赞