《学习OpenCV》第7章 直方图与匹配

cvNormalizeHist(CvHistogram* hist, double factor);
这里的hist表示直方图，factor表示直方图归一化后的数
值（通常情况下设为1）。注意，factor是一个double类 型的数据，尽管函数CvHistogram()的内部数据类型通 常都是float——这进一步说明了OpenCV是一个不断改 进的项目！ 接下来的一个很方便的函数是阈值函数：
目录
• • • • • 直方图的基本数据结构 访问直方图 直方图的基本操作 一些更复杂的策略 练习
直方图的基本数据结构
首先直接查看CvHistogram的数据结构。
typedef struct CvHistogram { int type; CvArr* bins; float thresh[CV_MAX_DIM][2]; for uniform histograms float** thresh2; for nonuniform histograms CvMatND mat; embedded matrix header } for array histograms
CvHistogram* cvMakeHistHeaderForArray( int dims, int* sizes, CvHistogram* hist, float* data, float** ranges = NULL, int uniform = 1 );
在这种情况下，hist是指向CvHistogram数据结构的指针， data是指向存储直方图bins的大小为 sizes[0]*sizes[1]*..*sizes[dims-1]的区域的指针。注意， data是浮点数指针，因为直方图的内部数据类型描述
图7-1：方向梯度的局部直方图，用以寻找手及其特征（姿态）。这里“胜出” 的姿态（最长的垂直条）就是正确识别的“L”（向左移动）
测感兴趣的色彩区域，然后计算这些感兴趣区域周围的 边缘梯度方向，将得到的边缘梯度方向放到一个方向 直方图相应的bin中，然后将该直方图与手势模板进行 匹配，从而识别出各种手势。图7-1的垂直条显示不同 手势的匹配程度。灰色的水平线为可接受阈值，表示 对应某一手势模型胜出的垂直条。 直方图广泛应用于很多计算机视觉应用中。通过标记帧 与帧之间显著的边缘和颜色的统计变化，直方图被用 来检测视频中场景的变换。通过为每个兴趣点设置一 个有相近特征的直方图所构成的“标签”，用以确定 图像中的兴趣点。边缘、色彩、角等直方图构成了可 以被传递给目标识别分类器的一个通用特征类型。色 彩和边缘的直方图序列还可以用来识别网络视频是否 被复制等。直方图是计算机视觉中最经典的工具之一。
的点太多，就会丧失分布的结构。如果网格太窄（右 上），则没有足够的点来准确表示分布而且我们会得 到小而尖锐的单元。 OpenCV有表征直方图的数据类型。该直方图数据结构能 够以一维或者多维的方式表示直方图，并且包含所有 可能跟踪的均匀或非均匀的bin中的数据。并且，如我 们所期待的，它可以配属各种有用的函数，使得我们 能够在直方图上容易地进行各种常见操作。
void cvClearHist( CvHistogram* hist ); void cvReleaseHist( CvHistogram** hist );
通常，这些释放函数通过一个指针被调用，该指针指向 一个直方图的指针，后者取自创建直方图的函数。一
旦直方图被释放，直方图指针便被设置为NULL。 另外一个有用的函数是根据已给出的数据创建直方图：
或者基于效率原因想直接访问bin，在这种情况下，我们 可以利用hist->mat.data.fl(对于密集型直方图来说)来访 问。访问直方图的其他原因包括想知道直方图的维数 或每个单独的bin表示的区域等。对这类信息，我们使 用下面的小技巧来访问CvHistogram数据结构中的实际 数据，或者访问嵌入在CvMatND数据结构中的信息来 获得。
第7章 直方图与匹配
在分析图像、物体和视频信息的过程中，我们常常想把 眼中看到的对字用直方图（histogram）表示。直方图 可以用来描述各种不同的事情，如物体的色彩分布、 物体的边缘梯度模板[Freeman95]，以及表示目标位置 的当前假设（目标当前位置的假设？）的概率分布。 图7-1显示了利用直方图进行快速姿态识别。从“上”， “右”，“左”，“停”和“OK”等手势中得到边缘 梯度。然后设置一个摄像机，该摄像机观察人的各种 手势以控制网络视频。在每帧中，从输入的视频中检
float* cvGetHistValue_1D(
CvHistogram* hist, int idx0 ); float* cvGetHistValue_2D( CvHistogram* hist, int idx0, int idx1 ); float* cvGetHistValue_3D( CvHistogram* hist, int idx0, int idx1, int idx2 ); float* cvGetHistValue_nD( CvHistogram* hist,
变量dims表示直方图包含的维数。sizes变量必须为整数 数组，数组长度等于dims。数组中的每一个整数表示 分配给对应维数的bin的个数。type既可以是 CV_HIST_ARRAY，用来表示使用密集多维矩阵结构 （如CvMatND）存储多维直方图，也可以是
CV_HIST_SPARSE，当数据以稀疏矩阵（CvSparseMat）方 式存储时。变量rangs可以是两个形式中的任一种。对 均匀直方图来说，rangs是浮点数对构成的数组，数组 的个数等于维数。而对非均匀直方图来说，则用包含 分割非均匀bin的数据所构成的数组来代替均匀直方图 所使用的数据对。如果某维数有N个bin，那么这个子 数组有N+1个元素。每个数组的值均起始于最低bin的 底边，终结于最高bin的顶边。布尔类型变量uniform 说明直方图是否有均匀的bin，因此也说明了rangs的 值该如何解析；如果设置为非0值，则直方图是均匀 的。也可以设置rangs为NULL，这时意味rangs是“未 知的”（它们也可以在后面使用特殊函数 cvSetHistBinRangs()来设置）。很明显，最好在使用直 方图之前给rangs设置数值。
cvThreshHist(CvHistogram* hist, double factor);
变量factor是一个开关阈值。进行直方图阈值化处理之 后，小于给定阈值的各个bin的值都被设为0。回忆图 像阈值函数cvThreshold()，直方图阈值函数与参数 threshold_type设置为CV_THRESH_TOZERO的图像阈值 函数类似。不幸的是，没有方便的直方图阈值函数来 提供其他threshold类型的类似操作。然而，实际上函 数cvThreshHist()或许是最常用的函数，因为我们在使 用实数类型数据的时候常常将包含极少数据点的bin去
这个定义看起来很简单但并非如此，因为直方图的很多
内部数据都被存储于CvMatND结构中。我们用下面的程 序创建一个新的直方图：
CvHistogram* cvCreateHist( int dims, int* sizes, int type, float** ranges = NULL, int uniform = 1 );
double cvQueryHistValue_3D( CvHistogram* hist, int idx0, int idx1, int idx2 ); double cvQueryHistValue_nD( CvHistogram* hist, int* idxN );
每个函数都返回相应bin中的值的浮点数。同样地，可以 利用函数返回的bin的指针（不是bin的值）来设置 （或者获得）直方图的bin的值。
访问直方图
访问直方图数据的方式有好几种。最直接的是使用 OpenCV的访问函数：
double cvQueryHistValue_1D( CvHistogram* hist, int idx0 ); double cvQueryHistValue_2D( CvHistogram* hist, int idx0, int idx1 );
简单地说，直方图就是对数据进行统计，将统计值组织 到一系列事先定义好的bin中。bin中的值是从数据中 计算出的特征的统计量，这些数据可以是诸如梯度、 方向、色彩或任何其他特征。无论如何，直方图获得 的是数据分布的统计图。通常直方图的维数要低于原 始数据。图7-2刻画了一个典型的情况。图中显示了一 个二维分布的点集（左上），施加一个网格（右上） 并且统计每一个网格单元的数据点，然后产生一个一
维直方图（右下）。由于原始数据点可以表征任何事情， 直方图实际上是一个方便表示图像特征的手段。 表示连续分布的直方图通过隐式计算每个网格单元中的 均值来实现前面的功能。这就会产生一个问题，如图 7-3所示。如果网格太宽（左上），则参与计算平均值
图7-3：直方图的正确性依赖于网格大小：如果网格太宽，则直方图统计中有太多的空间 平均（左），如果网格太窄，则因太小的平均产生尖锐和单个效果（右）
void cvSetHistBinRanges(
CvHistogram* hist, float** ranges, int uniform = 1 );
cvSetHistRanges()中的变量与cvCreateHist()中的相应变量 完全一致。如果想重用直方图，可以对其进行清零操 作（即设置所有bins为0），或者使用通常的释放函数 释放直方图。
int* idxN );
这些函数与cvGetReal*D和cvPtr*D等系列函数非常相似， 事实上，它们几乎相同。在函数里传入的矩阵hist>bins被调用的方式本质上与其被直接的矩阵访问模式 是一样的。类似地，稀疏直方图函数继承了它所对应 的稀疏矩阵函数的一些行为。在稀疏直方图中，如果 想利用函数GetHist*()来访问不存在的bin，这个不存 在的bin会被自动创建，并且其值被设为0。注意，函 数QueryHist*()不会创建不存在的bin。 这使我们转向访问直方图的更一般论题。在许多情况下， 对于密集直方图来说，我们想直接访问直方图的bin成 员。当然，我们可以将它视为数据访问的一部分。例 如，我们想依次访问密集直方图中所有的数据元素，