opencv2对读书笔记——使用均值漂移算法查找物体

一些小概念

1.反投影直方图的结果是一个概率映射，体现了已知图像内容出如今图像中特定位置的概率。

2.概率映射能够找到最初的位置，从最初的位置開始而且迭代移动，便能够找到精确的位置，这就是均值漂移算法做的事情。

3.均值漂移算法是以迭代的方式锁定函数的局部最大值的。

关于均值漂移算法的过程(opencv)

事实上均值漂移算法就是寻找提前定义寻找区域中数据点的重心，或者说加权平均值。将寻找区域中心移动到数据点的重心处，并反复这个过程直到寻找区域重心收敛到一个稳定点。

OpenCV中定义了两种终止条件：迭代最大次数以及窗体重心的位移值（低于该值即觉得算法收敛）。

在OpenCV中实现这个过程的是meanshift函数，其源码例如以下：

在里面我们能够非常easy的看出迭代过程

对这个算法想细致研究的同学能够參考一下Dorin Comaniciu 等人2002年写的：
《Mean Shift：A Robust Approach Toward Feature Space Analysis》


实际样例


样例代码



#include <opencv2\core\core.hpp>
#include <opencv2\highgui\highgui.hpp>
#include <opencv2\imgproc\imgproc.hpp>
#include <opencv2\video\tracking.hpp>

#include <iostream>
#include <vector>
using namespace std;

#include "objectFinder.h"
#include "colorhistogram.h"

int main()
{
	//读取參考图像
	cv::Mat image= cv::imread("../3.jpg");
	if (!image.data)
		return 0; 

	//定义查找物体
	cv::Mat imageROI= image(cv::Rect(85,200,64,64));
	cv::rectangle(image, cv::Rect(85,200,64,64),cv::Scalar(0,0,255));

	//显示參考图像
	cv::namedWindow("第一张图片，标记篮球位置");
	cv::imshow("第一张图片，标记篮球位置",image);

	//获得色度直方图
	ColorHistogram hc;
	cv::MatND colorhist= hc.getHueHistogram(imageROI);

	//读入目标图像
	image= cv::imread("../4.jpg");

	//显示目标图像
	cv::namedWindow("第二张图片");
	cv::imshow("第二张图片",image);

	//将RGB图像图像转换为HSV图像
	cv::Mat hsv;
	cv::cvtColor(image, hsv, CV_BGR2HSV);

	//分离图像通道
	vector<cv::Mat> v;
	cv::split(hsv,v);

	//消除饱和度较低的像素点
	int minSat=65;
	cv::threshold(v[1],v[1],minSat,255,cv::THRESH_BINARY);
	cv::namedWindow("第二张图片消除饱和度较低的像素点");
	cv::imshow("第二张图片消除饱和度较低的像素点",v[1]);

	//进行直方图反投影
	ObjectFinder finder;
	finder.setHistogram(colorhist);
	finder.setThreshold(0.3f);
	int ch[1]={0};
	cv::Mat result= finder.find(hsv,0.0f,180.0f,ch,1);

	cv::namedWindow("第二张图片进行直方图反投影");
	cv::imshow("第二张图片进行直方图反投影",result);

	//利用位运算消除低饱和度像素
	cv::bitwise_and(result,v[1],result);
	cv::namedWindow("第二张图片利用位运算进一步消除低饱和度像素点");
	cv::imshow("第二张图片利用位运算进一步消除低饱和度像素点",result);

	// 得到反投影直方图概率图像
	finder.setThreshold(-1.0f);
	result= finder.find(hsv,0.0f,180.0f,ch,1);
	cv::bitwise_and(result,v[1],result);
	cv::namedWindow("第二张图片处理后的二值图像");
	cv::imshow("第二张图片处理后的二值图像",result);

	cv::Rect rect(85,200,64,64);
	cv::rectangle(image, rect, cv::Scalar(0,0,255));

	cv::TermCriteria criteria(cv::TermCriteria::MAX_ITER,10,0.01);
	cout << "均值漂移迭代次数 = " << cv::meanShift(result,rect,criteria) << endl;

	cv::rectangle(image, rect, cv::Scalar(0,255,0));

	//展示结果图
	cv::namedWindow("查找结果，红框为第一幅图中篮球位置，绿框为现位置");
	cv::imshow("查找结果，红框为第一幅图中篮球位置，绿框为现位置",image);

	cv::waitKey();
	return 0;
}

输出结果































                                  -END-