现在,我的第一个练习是使用calcHist和calcBackProject创建皮肤检测器。
但是我不明白一些事情:
的统计解释,为什么它被命名为“ back project”
我对范围参数有很好的理解在
calcBackProject
中。但是我真的对calcHist
函数中的range参数卡住了。为了获得更高的检测精度,我认为在更多级别上使用backgrojecting可能是一件好事:在h-s-v的每个通道的r-g-b ans通道中。但是我不知道如何将rgb和hsv的单独通道的
calcBackProject
的不同结果结合起来。我认为我的理解不周全是由于缺乏理论上的“我” m使用这两种方法(请参见第一点)。所以请用简单的英文解释一下。
#1 楼
请参阅openCV教程中的什么是反投影图像直方图可测量图像中像素的颜色(和亮度)分布。
如果拍摄图像并识别出感兴趣的区域,例如一只手,然后计算该对象中像素的直方图。
然后获取该直方图和第二张图像,并从本质上颠倒该过程-在第二张图像中选择与第一张图像中的直方图匹配的像素。正是这种反向过程使它有了反投影的名称。
然后,您假设第二张图像中与第一张图像中的对象具有相同颜色分布的图像区域是同一(或相似)对象的图像。
评论
$ \ begingroup $
答案应包含答案,而不仅仅是链接。
$ \ endgroup $
– Endolith
2012年12月12日21:10
$ \ begingroup $
@endolith-是的,但是当我写了一篇关于如何在opencv中使用反向投影的教程时,我写了很长的解释吗?
$ \ endgroup $
–马丁·贝克特(Martin Beckett)
2012年12月12日21:12
$ \ begingroup $
“总的来说,它链接到另一个网站,但是您至少应该总结链接到的页面的内容。” meta.stackexchange.com/a/13370/130885
$ \ endgroup $
– Endolith
2012年12月12日21:17
评论
我对此也很感兴趣。给我发一封电子邮件,我们可以谈谈更多。