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。
<span style="font-size:18px;">#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;}</span>
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:
<span style="font-size:18px;"><span style="font-family:Microsoft YaHei;font-size:14px;"><span style="font-family:Microsoft YaHei;font-size:14px;">#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;}</span></span></span>
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:
<span style="font-size:18px;">#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;}</span>
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。