600字范文 > 图像特征之颜色直方图

图像特征之颜色直方图

时间：2020-06-03 11:41:03

相关推荐

图像特征之颜色直方图

OpenCV之颜色空间:

颜色空间RGB（Red 红色，Green 绿色，Blue 蓝色）

R的取值范围：0-255

G的取值范围：0-255

B的取值范围：0-255

颜色空间HSV （Hue 色相，Saturation 饱和度，intensity 亮度）

H的取值范围：0-179

S的取值范围：0-255

V的取值范围：0-255

颜色空间HLS (Hue 色相，lightness 亮度，Saturation 饱和度)

H的取值范围：0-179

L的取值范围：0-255

S的取值范围：0-255

—————————————————————————————————————————————————————

知道了一些常用的颜色空间各个通道的像素的取值范围，我们下面讨论颜色直方图

一维直方图：

比如，我们只计算上图S通道的直方图，并有30个bin。

#include<opencv2\core\core.hpp>#include<opencv2\highgui\highgui.hpp>#include<opencv2\imgproc\imgproc.hpp>using namespace cv;#include<iostream>using namespace std;int main(int argc ,char** argv){Mat src,hsv;if(argc != 2 || !(src = imread(argv[1],1)).data || src.channels() != 3)return -1;//颜色空间的转换BGR转HSVcvtColor(src,hsv,CV_BGR2HSV);//把H通道分为30个bin，把S通道等分为32binint hbins = 30;//int sbins = 32;//int histSize[] = {hbins,sbins};int histSize[] = {hbins};//H的取值范围 0-179float hranges [] = {0,180};//S的取值范围 0-255//float sranges [] ={0,255};//const float* ranges [] = {hranges,sranges};const float* ranges [] = {hranges};MatND hist;//我们根据图像第一个通道一维直方图int channels[] = {0};calcHist(&hsv,1,channels,Mat(),hist,1,histSize,ranges,true,false);//输出直方图cout<<hist<<endl;return 0;}

输出结果，肯定一个30维的向量：

解释：第一个数60571，就是代表H在[0,5]之间的像素点的个数，第二个数12194就是代表H在[6,11]之间的像素点的个数。

—————————————————————————————————————————————————————

二维直方图：

#include<opencv2\core\core.hpp>#include<opencv2\highgui\highgui.hpp>#include<opencv2\imgproc\imgproc.hpp>using namespace cv;#include<iostream>using namespace std;int main(int argc ,char** argv){Mat src,hsv;if(argc != 2 || !(src = imread(argv[1],1)).data || src.channels() != 3)return -1;//颜色空间的转换BGR转HSVcvtColor(src,hsv,CV_BGR2HSV);//把H通道分为30个bin，把S通道等分为32binint hbins = 5;int sbins = 4;int histSize[] = {hbins,sbins};//H的取值范围 0-179float hranges [] = {0,180};//S的取值范围 0-255float sranges [] ={0,256};const float* ranges [] = {hranges,sranges};MatND hist;//我们根据图像第一个通道和第二通道，计算二维直方图int channels[] = {0,1};calcHist(&hsv,1,channels,Mat(),hist,2,histSize,ranges,true,false);//输出直方图cout<<hist<<endl;return 0;}

我们以上图为例，输出的二维直方图为：

现在我们来解释一下，这是一个5行4列二维直方图，第一行第一列的128239，代表H和S的数值在[0,35]x[0,63]，第二行第一列的18585代表H和S的值在[36,71]x[0,63]，依次类推，怎么验证呢？我们只需要把上面的程序，改几个数，比如我们只计算H和S的值在[36,71]x[0,63]的直方图：

#include<opencv2\core\core.hpp>#include<opencv2\highgui\highgui.hpp>#include<opencv2\imgproc\imgproc.hpp>using namespace cv;#include<iostream>using namespace std;int main(int argc ,char** argv){Mat src,hsv;if(argc != 2 || !(src = imread(argv[1],1)).data || src.channels() != 3)return -1;//颜色空间的转换BGR转HSVcvtColor(src,hsv,CV_BGR2HSV);//把H通道分为30个bin，把S通道等分为32binint hbins = 1;int sbins = 1;int histSize[] = {hbins,sbins};//H的取值范围 0-179float hranges [] = {36,72};//S的取值范围 0-255float sranges [] ={0,64};const float* ranges [] = {hranges,sranges};MatND hist;//我们根据图像第一个通道和第二通道，计算二维直方图int channels[] = {0,1};calcHist(&hsv,1,channels,Mat(),hist,2,histSize,ranges,true,false);//输出直方图cout<<hist<<endl;return 0;}

输出结果：

。

________________________________________________________________________________________________________________________________

理解了简单的颜色直方图，把颜色直方图作为一张图片简单的特征，做一个简单的图像检索。

本内容不代表本网观点和政治立场，如有侵犯你的权益请联系我们处理。

网友评论

网友评论仅供其表达个人看法，并不表明网站立场。