永清县建设局 网站,推广平台怎么赚钱,加盟网站制作推广,公司官网定制2D直方图https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_histograms/py_2d_histogram/py_2d_histogram.html#twod-histogram为什么只考虑h,s就够了呢#xff1f;因为其实亮度是很容易受外界影响的#xff0c;我们认为一个颜色的本质特…2D直方图https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_histograms/py_2d_histogram/py_2d_histogram.html#twod-histogram为什么只考虑h,s就够了呢因为其实亮度是很容易受外界影响的我们认为一个颜色的本质特征是h和s。计算2D直方图我们用的还是calcHist函数不过参数得输入两个通道的了。H原来是0-360为了让8位能存下就对应到了0-180。第四个参数是[xmin,xmax,ymin,ymax]这种形式的。x指的是行,y指的是列。bins上面有很多规则请大家大概看一下说的是如果是一个int那么两个维度区间的数目都是int如果是[int,int]这个两个分别是两个维度的bins个数还有其它规则请自行查看。上面给出了range的格式[[xmin,xmax],[ymin,ymax]]。返回的H是二维的直方图分布xedges是第一个维度的区间边界组成的数组yedges是第二个维度的。上面应该是少了一句h,s,vcv2.split(hsv)。下面是如何画直方图这个是可以大概看一下越白的地方数值越高。其实有点像等高图不过我们这里最低是黑色而不是蓝色。还有就是用matpltlib画图了还参考了https://blog.csdn.net/goldxwang/article/details/76855200imshow里的interpolation参数是插值的意思为什么需要插值呢因为我们的hist只提供了整数点的值而没有提供中间的值那么这些值该怎么补充呢这时候就需要用到插值。插值方式有很多种上面有列出来。blinear是双线性插值。这个我们前面介绍过还有一个nearest也很常用。参考了https://blog.csdn.net/ccblogger/article/details/72918354这里是举了一个例子默认用的应该就是这种插值需要注意的是最近邻插值是还要四舍五入的。当然计算机也不可能一个点一个点去算那也是无数个点肯定有一个最小单位。旁边的这个类似于等高图高度颜色带的这个东西是colorbar生成的plt.colorbar()要写在plt.show()之前。这里需要注意一下596*300238400。去掉中括号以后就不对了。和不知道为什么是800。用np生成二维直方图也是可以的结果是一样的。减小分的区间数的话。图看起来更明显一些。需要提醒的是左下角是可以看到对应的高度值的[4.02e04]就是鼠标所在处的高度。直方图反投影原理介绍参考了https://blog.csdn.net/zyzhangyue/article/details/45827261这个是一个滑动窗口每次移动一个像素然后计算窗口中图像的直方图和模板直方图的相似度。最后肯定是要阈值化的相似度大于某一个值才认为是我们要的结果。函数实现中间最重要的函数当然是calcBackProject了。scale是比例。我来选一个模板就是圈起来的那朵花。大概在[34:73,234:263]这个范围。出来的dst就是如果和模板直方图越接近(这个接近可能就是用的直方图比较中的某一种距离来度量)结果数值越大那么用灰度显示也就会越白当然我猜测这个函数里面是还有一些处理的因为滑动窗口每次只滑动一个像素嘛有很多像素就重合了那么这些像素点的输出值怎么办呢我猜想可能就是取平均了。注意中括号。模板直方图分的区间越少也就是分的越粗直方图反投影得到的结果越连续但是也能太大。20的效果还算不错。下面就分得太粗略了。分得太细比较难匹配到。我有点不懂为什么上面要对模板直方图归一化。alpha是归一化范围的下限而beta是上限normal_type是归一化方法有很多种参考了https://www.cnblogs.com/sddai/p/6250094.html我们常用的是我试了一下好像有点知道是个怎么回事了。这个模板直方图的归一化的最大值好像和输出的dst的最大值是一样的当300的话就是饱和的会被认为是255虽然不知道为什么有这样的设定这个得深究到下面的c代码了。我前面不加为什么可以呢?因为我选择的模板直方图的最大值271大于255。这算是一个巧合是因为我选择的模板图像比较大然后颜色又都比较偏白色。那么这个归一化的语句最好还是加上去吧。596*400和我们的原图形状是一样的。最终输出的图像其实有点不太理想我们把它再阈值化一下当然这个阈值该怎么选这个需要自己测试。中间的那个cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(5,5))是一种形态学处理我们先不管它。阈值操作0其实就代表的是表格中的第一种阈值化方式效果还不错。把这个和原图与一下。我选的这个模板有点太白了不太明显。我前面也说过直方图不能代表图像的全部信息因为它只包含强度信息缺少了位置信息所以上面匹配到的结果其实还是有很多不是我们想要的。下面是一种考虑了位置信息的匹配方式。模板匹配原理模板匹配的原理其实很简单还是基于滑动窗口一个像素一个像素的去移动只不过上面我们计算的是图像直方图的相似度我们这里是直接计算图像的相似度方法有好多种参考了https://blog.csdn.net/tsvico/article/details/78817096计算起来其实挺麻烦的有的时候我们就需要用到一些比较巧的办法比如说对于一些相乘项的求和我们或许可以把其中一个调转180这个是为了凑成卷积的形式然后根据卷积定理转到频域去计算离散的傅里叶变换相乘然后再傅里叶反变换回来这样是会减小计算量的。还有一种加快运算速度的方法叫做积分图法。参考了https://blog.csdn.net/yuan1125/article/details/70274515就是从左上角开始累积像素值最后生成一个图就叫积分图。一个区域的特征值就是这个区域里所有像素点对应强度的和。上面原理和如何加快计算的方法下面就是代码的实验了。为什么输出图像的大小会变小呢这是因为输出的图像其实是由上面的方法计算出来的相似度输出的结果其实只需要取从左上角开始取(W-w1,H-h1)就够了因为剩下的区域是不可能作为匹配区域的左上角的因为不够啊。为什么取左上角因为底层的c是这么写的。红色代表目标图片蓝色是模板图片红色是输出区域。官方例子是个灰度图像shape[::-1是步长为-1为什么要为-1呢这是因为w宽度也就是列数和h高度行数的位置是反过来的我们完全可以写h,wtemplate.shape。官方也是有点皮。我们还是匹配那朵白玫瑰。我先来介绍几个函数首先是模板匹配的函数这里面的参数的英文单词很常见了。templ是模板的意思。这个函数是找出最大值最小值以及对应的位置。上面这些比较方法应该都在c里面由宏定义的。eval就是为了去掉引号那一开始在method列表里面别加引号不就行了吗搞不懂。plt.xticks是选x轴坐标刻度的他这样写就是不要刻度。plt.suptitle是大标题因为有几个子图嘛所以会有一个大标题咯。我就改了四处。400-291372,598-381559。如果把xTicks和yTick里删掉那么就会有刻度了。这个第一种方法结果稍微有点不对。这其实和模板匹配算法有关系下面其实写错了我画红线的话都是错的不用在意。这种方法取的是应该是左图中最亮的地方。那么这样的算法为什么不是一样的最大呢设想黑线是均值然后红色是模板蓝色是我设定的图像那么你说按照上面的公式是红色和红色的值大还是红色和蓝色的值大呢毫无疑问是红色和蓝色。上面的方法是判断相关性的而不是相似性所谓相关性就是你增大我也增大你减小我也减小那么我们就叫做正相关反之叫做负相关和增大和减小前的值和增大或者减小了多少都无关所以说这个模板匹配方法很不好。这个匹配的是对的。也是取左图中最亮的地方。这种方法才是1代表正相关-1代表负相关0代表线性无关。为什么标准相关匹配结果就可以呢我想用柯西不等式来说明问题-1R(x,y)1这个取等条件比较苛刻是所有位置对应像素的强度成比例才可以一般这种条件在图像中也就是同一张图才能达到这样的条件了至少在我们这张图上是的。这个也是取最亮的地方也是稍微有一点偏差的。这个匹配的结果也还好。上面两种方法的差别和上面的相似只不过上面是减去了绝对值这里没有减去绝对值而已还是用相关性不是相似度和柯西不等式来解释。这个是找最暗的。匹配的也不错。上面两个是做差后平方和的结果当然是同一张图片的输出区域最暗了。对于我们这张图六种里面四种匹配的都还不错但是都是有一些条件的不过我觉得没有标准化的那两个相关性方法就不要用了比较差。一个模板匹配多个对象这个不只是取一个最大的或者最小的了而是规定一个阈值这个阈值时自己设定的可以找到多个对象。我们还是用上面的来做实验。阈值设为0.8也还是只能匹配到我们的原图。0.5的时候又出现一个新的区域。0.45的时候就比较多了。这里还要提醒一点plt.imshow单通道的时候选择cmapgray也就是颜色图取的是灰度图才会和cv2显示的一致。不然用的时它使用的不是灰度系统。用的时什么image.cmap。不知道这是个什么东西但是绝对不是灰度。如果时3维就没事因为它会直接用RGB。没使用灰度之前。之后虽然不知道为什么显示的一个黑一个白。不过好歹时回到了灰度空间。我有点理解为什么全是黑的了。首先colorbar会让plt.imshow按照我们的灰度值来。注释了colorbar后不注释感觉其实挺奇怪的我的理解是plt.imshow单通道的时候必须要有一个对比才行如果全是一种颜色colorbar也算是一种对比的手段这个时候显示的是完美的按照灰度。如果不是一个值显示的是相对灰度也就是里面的最大值就是白色最小值是黑色线性插值来显示灰度值。前面又出现了变量前加*号的操作。这个以前其实也说过的不过相信很多人都忘了其实也包括我233这很符合遗忘规律嘛忘了不要紧复习一下https://zhidao.baidu.com/question/2140001532025683868.html那这里为什么还要反着来呢其实很简单了这个其实是用rectangle画画的一个特性这个实验我们可以看到rectangle里面传递参数的时候是列在前的行在后的这可能是为了适应我们的x轴水平y轴垂直一般写坐标都是(x,y)这样的习惯。不过这和np的格式就反过来了因为np是行在前列在后。还有一点需要注意顶点坐标必须是元组。好的马上是十一了但是休息是不可能休息的。
