????? 我們可以利用OpenCV的直方圖，backproject直方圖和meanshift算法來跟蹤物體。下面通過簡單的例子來說明如何實現(xiàn)跟蹤算法，我們有兩幅狒狒的圖片，如下圖所示：我們首先在左圖中框選狒狒的臉，計算出框選區(qū)域的色度(HSV空間的H)直方圖，然后在image2中，backproject該直方圖，得到每個像素點屬于該直方圖的概率圖。

?

????? 得到的概率圖之后，我們?nèi)サ魣D中低飽和度的像素，然后二值化，最后對該圖使用meanshift算法，得到密度最大的區(qū)域，這個區(qū)域就是我們跟蹤的目標(biāo)區(qū)域。

注意下面去掉低飽和度像素的方法(HSV空間中的S分量表示飽和度):

cv::cvtColor(image, hsv, CV_BGR2HSV);
// 按通道分成3副圖像
cv::split(hsv,v);
// 標(biāo)示低飽和度的像素
cv::threshold(v[1],v[1],minSat,255,cv::THRESH_BINARY);

// 得到色度back-projection
result= finder.find(hsv,0.0f,180.0f,ch,1);

// 減少低飽和度像素
cv::bitwise_and(result,v[1],result);

?

???? meanshift算法的代碼如下，TermCriteria為迭代中值條件，最大迭代次數(shù)10，迭代精度0.01，只有這兩個條件都滿足的時候，迭代才會結(jié)束。迭代結(jié)束后，rect中存儲的就是目標(biāo)區(qū)域的位置。

??? cv::Rect rect(110,260,35,40);
??? cv::rectangle(image, rect, cv::Scalar(0,0,255));
? ? cv::TermCriteria criteria(cv::TermCriteria::MAX_ITER,10,0.01);
??? cv::meanShift(result,rect,criteria);
??? cv::rectangle(image, rect, cv::Scalar(255,0,0));

?

程序代碼：工程FirstOpenCV22

總結(jié)

以上是生活随笔為你收集整理的OpenCV学习(27) 直方图(4)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。