OpenCV中Camshitf算法学习
今天上午,结合OpenCV自带的camshitf例程,简单的对camshitf有了一个大致的认识和理解,现总结如下:
1:关于HSV
H指hue(色相)、S指saturation(饱和度)、V指value(色调)。
- 色相(H)是色彩的基本属性,就是平常所说的颜色名称,如红色、黄色等;
- 饱和度(S)是指色彩的纯度,越高色彩越纯,低则逐渐变灰,取0-100%的数值;
- 明度(V)取0-100%。
RGB 和 CMYK 分别是加法原色和减法原色模型,以原色组合的方式定义颜色,而 HSV 以人类更熟悉的方式封装了关于颜色的信息:“这是什么颜色?深浅如何?明暗如何?”。
更多内容可参考:维基百科
2:关于Camshift算法的实现过程
Camshift的过程主要包含了3个部分:
- Back Projection(反投影)
Camshift的原理是根据关注区域的颜色(hue)的直方图来进行跟踪,所以Back Projection的过程从结果上来将就是得到hue的直方图,或者是颜色的概率分布的。什么叫做Back Projection? Back Projection 就是将hue直方图转换成hue(色彩)概率分布图。具体的步骤分为:
1):将原始RGB图像转换颜色空间到HSV色彩空间上
2):将hsv中的h分量提取出来的
3):计算出指定区域的hue直方图——直方图代表了不同H分量取值出现的概率,或者说可以据此查找出H分量的大小为x时的概率或像素个数,即,得到颜色概率查找表
4):Back Projection过程——将图像中每个像素的值用其颜色出现的概率进行替换,由此得到颜色概率分布图
- MeanShift
1):设置初始化窗口
2):计算这个窗口的重心(xc,yc)
3):将窗口的中心移到重心上面去。(中心就是窗口的矩形两个对角线 的交叉点)
4):重复上面的2和3的步骤,知道最后窗口的位置不再变换为止.
- Camshift
对于Camshift(Continuously Adaptive Mean-Shift)的基本原理是对视频图像的所有帧作MeanShift运行,并将上一帧的结果作为下一帧的初始化初始化窗口,如此迭代就可以进行跟踪了。
3:代码
结合OpenCV自带的camshitf例程,用代码实现camshitf算法过程:
//变量声明
Rect trackWindow;
RotatedRect trackBox;
int hsize = ;
int ch[] = {, };
float hranges[] = {,};
const float* phranges = hranges; Mat image, hsv, hue, mask, hist;//image为摄像头或是用户加载的获得的图片 cvtColor(image, hsv, CV_BGR2HSV);
inRange(hsv, Scalar(, smin, MIN(_vmin,_vmax)),Scalar(, , MAX(_vmin, _vmax)), mask);
hue.create(hsv.size(), hsv.depth());
mixChannels(&hsv, , &hue, , ch, );
calcHist(&hue, , , mask, hist, , &hsize, &phranges);
normalize(hist, hist, , , CV_MINMAX); calcBackProject(&hue, , , hist, backproj, &phranges);
backproj &= mask;
RotatedRect trackBox = CamShift(backproj, trackWindow,
TermCriteria(CV_TERMCRIT_EPS | CV_TERMCRIT_ITER, , ));
对于该行代码:
inRange(hsv, Scalar(, smin, MIN(_vmin,_vmax)),Scalar(, , MAX(_vmin, _vmax)), mask);
inRange函数的功能是检查输入数组每个元素大小是否在2个给定数值之间,可以有多通道,mask保存0通道的最小值,也就是h分量;这里利用了hsv的3个通道,比较h,0~180,s,smin~256,v,min(_vmin,_vmax),max(_vmin,_vmax)。如果3个通道都在对应的范围内,则mask对应的那个点的值全为1(0xff),否则为0(0x00).
参考资料:
目标跟踪学习笔记_1(opencv中meanshift和camshift例子的应用)
StevenMeng
2013.10.04
OpenCV中Camshitf算法学习的更多相关文章
- OpenCV中Camshitf算法学习(补充)
结合OpenCV中Camshitf算法学习,做一些简单的补充,包括: 实现全自动跟随的一种方法 参考opencv中的相关demo,可以截取目标物体的图片,由此预先计算出其色彩投影图,用于实际的目标跟随 ...
- 5. openCV中常用函数学习
一.前言 经过两个星期的努力,一边学习,一边写代码,初步完成了毕业论文系统的界面和一些基本功能,主要包括:1 数据的读写和显示,及相关的基本操作(放大.缩小和移动):2 样本数据的选择:3 数据归一化 ...
- OPENCV下SIFT算法使用方法笔记
这几天继续在看Lowe大神的SIFT神作,看的眼花手脚抽筋.也是醉了!!!!实在看不下去,来点干货.我们知道opencv下自带SIFT特征检测以及MATCH匹配的库,这些库完全可以让我们进行傻瓜似的操 ...
- OpenCV学习(22) opencv中使用kmeans算法
kmeans算法的原理参考:http://www.cnblogs.com/mikewolf2002/p/3368118.html 下面学习一下opencv中kmeans函数的使用. 首先我们 ...
- 深入学习OpenCV中图像灰度化原理,图像相似度的算法
最近一段时间学习并做的都是对图像进行处理,其实自己也是新手,各种尝试,所以我这个门外汉想总结一下自己学习的东西,图像处理的流程.但是动起笔来想总结,一下却不知道自己要写什么,那就把自己做过的相似图片搜 ...
- 【转】PCA算法学习_1(OpenCV中PCA实现人脸降维)
前言: PCA是大家经常用来减少数据集的维数,同时保留数据集中对方差贡献最大的特征来达到简化数据集的目的.本文通过使用PCA来提取人脸中的特征脸这个例子,来熟悉下在oepncv中怎样使用PCA这个类. ...
- OpenCV学习(39) OpenCV中的LBP图像
本章我们学习LBP图像的原理和使用,因为接下来教程我们要使用LBP图像的直方图来进行脸部识别. 参考资料: http://docs.opencv.org/modules/contrib/doc/fac ...
- OpenCV中的SURF算法介绍
SURF:speed up robust feature,翻译为快速鲁棒特征.首先就其中涉及到的特征点和描述符做一些简单的介绍: 特征点和描述符 特征点分为两类:狭义特征点和广义特征点.狭义特征点的位 ...
- opencv算法学习
1.改变图像的亮度和对比度: 算法介绍:对每一点像素值的r,g,b,值进行乘法和加法的运算. 代码使用: ; y < image.rows; y++ ) { ; x < image.col ...
随机推荐
- u-boot支持LCD显示(基于TQ2440)
平台简介 Linux版本:Linux-3.14 u-boot版本:u-boot-2015.04 硬件:TQ2440(内存:64MB NandFlash:256MB) 作者:彭东林 邮箱:pengdo ...
- React脚手架
所谓脚手架,是指一套基础的开发环境,你只需要简单的配置或者无需配置,就可以直接开发自己的业务代码,而无需劳神在搭建环境上. 比较出名的就是facebook自己出的的脚手架:create-react-a ...
- BSP
1 BSP概述 BSP即Board Support Package,板级支持包.它来源于嵌入式操作系统与硬件无关的设计思想,操作系统被设计为运行在虚拟的硬件平台上.对于具体的硬件平台,与硬 ...
- Solr6 Suggest(智能提示)
1.介绍 Solr从1.4开始便提供了检查建议,检索建议目前是各大搜索的标配应用,主要作用是避免用户输入错误的搜索词,同时将用户引导到相应的关键词搜索上.通常,我们将其称为搜索联想. 其效果如图所示. ...
- Qt Creator 乱码问题
当 把linux下的 ,QTproject文件移植到 Windows下时. 出现上图的 乱码现象. 为了,避免因为Windows下和Linux下编码不同,而产生的中文字符乱码的问题,需统一将代码中的 ...
- Spark(十) -- Spark Streaming API编程
本文测试的Spark版本是1.3.1 Spark Streaming编程模型: 第一步: 需要一个StreamingContext对象,该对象是Spark Streaming操作的入口 ,而构建一个S ...
- Android Volley框架的使用(四)图片的三级缓存策略(内存LruCache+磁盘DiskLruCache+网络Volley)
在开发安卓应用中避免不了要使用到网络图片,获取网络图片很简单,但是需要付出一定的代价——流量.对于少数的图片而言问题不大,但如果手机应用中包含大量的图片,这势必会耗费用户的一定流量,如果我们不加以处理 ...
- web报表工具FineReport常见的数据集报错错误代码和解释
在使用finereport制作报表.若预览错误发生.非常多朋友便手忙脚乱不知所措了,事实上没什么,仅仅要看懂报错代码和含义.能够非常快的排除错误,这里我就分享一下finereport的数据集报错错误代 ...
- linux 异步IO通信
一. 回顾 做java开发的,一定对BIO,NIO,AIO通信很了解了,现在再在下面罗列一下: 同步阻塞IO(JAVA BIO): 同步并阻塞,服务器实现模式为一个连接一个线程,即客户端有连接请求时 ...
- where 泛型类型参数及约束
private void InsertData<TRowMetadata, TFieldMetadata, TCellMetadata>(IMetadataReader<TRowMe ...