opencv学习笔记（三十一）基于块的反向投影

参考了这篇文章
http://blog.csdn.net/fdl19881/article/details/6726438
检测原理：
书上说的很麻烦，按照博主的理解就很简单：
cvCalcBackProjectPatch的大概意义 ，按我的理解的话，应该是通过块窗口搜索图像，比较窗口中对应像素的二维直方图与给定直方图的差异，若完全相同，那当然就越匹配。
对于不同的相关度方法，越匹配，其值由相关度方法而定，如本程序使用的是CV_COMP_CORREL ——即越相似，则值越接近1. 反之则趋于0。

cvCalBackProjectPatch()函数
void cvCalBackProjectPatch(
IplImage** images,
CvArr* dst,
CvSize patch_size,
CvHistogram* hist,
int method,
float factor
);

程序实例：

#include <iostream>
#include <cv.h>
#include <highgui.h>
#include <cxcore.h>

using namespace std;

void GetHSV(const IplImage *image,IplImage **h,IplImage **s,IplImage **v);

int main()
{
    IplImage *src = cvLoadImage("t1.jpg");
    IplImage *h_src = NULL ,*s_src = NULL;
    GetHSV(src,&h_src,&s_src,NULL);
    IplImage *images[] = {h_src,s_src};
    CvHistogram *hist_src;
    {//计算二维直方图
        int dims = 2;
        int size[] = {30,32}; // 这个地方不要取的太大!当取为size[] = {180,256}时E7200CPU会运行长达10几分钟的！
        float range_h[] = {0,180} 
//再用cvCvtColor转换时h已经归一化到180了
        ,range_s[] = {0,256};
        float *ranges[] = {range_h,range_s};
        hist_src = cvCreateHist(dims,size,CV_HIST_ARRAY,ranges);
        cvCalcHist(images,hist_src);
        cvNormalizeHist(hist_src,1);
    }

    IplImage *dst = cvLoadImage("t2.jpg");
    IplImage *h_dst = NULL,*s_dst = NULL;
    GetHSV(dst,&h_dst,&s_dst,NULL);
    images[0] = h_dst ,images[1] = s_dst; 

    CvSize patch_size = cvSize(src->width,src->height);
    IplImage *result = cvCreateImage(cvSize(h_dst->width - patch_size.width +1,h_dst->height - patch_size.height +1)
        ,IPL_DEPTH_32F,1);//块搜索时处理边缘是直接舍去，故result的大小比dst小path_size大小
    //32F类型，取值为0~1最亮为1，可直接显示
    //CV_COMP_CORREL相关度，1时最匹配，0时最不匹配
    cvCalcBackProjectPatch(images,result,patch_size,hist_src,CV_COMP_CORREL,1);
    cvShowImage("result",result);
    //找出最大值位置，可得到此位置即为杯子所在位置
    CvPoint max_location;
    cvMinMaxLoc(result,NULL,NULL,NULL,&max_location,NULL);
    //加上边缘，得到在原始图像中的实际位置    max_location.x += cvRound(patch_size.width/2);
    max_location.y += cvRound(patch_size.height/2);
    //在dst图像中用红色小圆点标出位置——小圆点就表示杯子所在区域
    cvCircle(dst,max_location,3,CV_RGB(255,0,0),-1);

    cvShowImage("dst",dst);
    cvWaitKey();

    cvReleaseImage(&src);
    cvReleaseImage(&dst);
    cvReleaseImage(&h_src);
    cvReleaseImage(&h_dst);
    cvReleaseImage(&s_dst);
    cvReleaseImage(&s_src);
    cvReleaseHist(&hist_src);
    cvReleaseImage(&result);
    cvDestroyAllWindows();
}

void GetHSV(const IplImage *image , IplImage **h,IplImage **s,IplImage **v)
{
    IplImage *hsv = cvCreateImage(cvGetSize(image),8,3);
    cvCvtColor(image,hsv,CV_BGR2HSV);

    if((h != NULL) && (*h == NULL))
        *h = cvCreateImage(cvGetSize(image),8,1);
    if((s != NULL) && (*s == NULL))
        *s = cvCreateImage(cvGetSize(image),8,1);
    if((v != NULL) && (*v == NULL))
        *v = cvCreateImage(cvGetSize(image),8,1);


    cvSplit(hsv,*h,(s == NULL)?NULL:*s,(v==NULL)?NULL:*v,NULL);
    cvReleaseImage(&hsv);
}

用到的图片
t1

t2