OPENCV直方图计算原理及反向投影检测原理

circle(a, center, 3, scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255)), -1, 8, 0)。 line(bbb, point(l[0], l[1]), point(l[2], l[3]), scalar(rng.uniform(0, 255), rng.uniform(0, 255), rng.uniform(0, 255)), 3, cv_aa)。agtsin size:uniform astm.no gtsin size:uniform astm.no [translate]。

dim为hist的维度；size为总分区间数；flag为标记图像是什么类型，是CV_HIST_ARRAY,还是CV_HIST_TREE,然后就可以选择如何保存数据，如果CV_HIST_ARRAY,就用CvMatND（多维密集数组）；如果CV_HIST_TREE,就使用CvSparseMat（多维稀疏数组）；range为每个维度的范围；uniform为归一化标识，这个还不是很好理解。

2.IplImage中有一个属性可以设置图像的原点坐标，0代表左上角，1代表左下角。(image->origin)

3.cvCalcHist(**imge,*hist):

image为统计图像，hist为直方图结构体

4.获取了直方图信息后，可以通过直方图结构体直接访问内部信息：

hist->type；hist->thresh[i][0]和hist->thresh[i][1]分别存储上阀值和下阀值。如果CV_HIST_ARRAY的话，可以通过(（CvMatND*）hist->bins)->data.fl[i]获取统计值。不过OpenCV已经提供了一个很好的方法去查询，cvQueryHistValue_*D(hist,d...);

5.可以通过CV_RGB(R,G,B)的宏设置RGB颜色。

6.直方图的绘制，使用cvQueryHistValue_*D去获取统计值，然后绘制在一个创建好的图像中。可以通过cvLine或者cvRectangle方法。

3. 计算每块区域特征图像的直方图cell_lbph，将直方图进行归一化，直方图大小为1*numpatterns。1.esp测光：平均测光，相机将画面分为324个区域，对各个区域分别测光，最后将各个区域测光结果进行汇总，计算出一个适合整个画面的这种测光值。把这些局部直方图在图像的更大的范围内（我们把它叫区间或block）进行对比度归一化（contrast-normalized）直方图匹配原理，所采用的方法是：先计算各直方图在这个区间（block）中的密度，然后根据这个密度对区间中的各个细胞单元做归一化。

8.cvGetMinMaxValue(hist,*min,*max,*minindex,*maxindex):

min和max必须为float类型，minindex和maxindex为最小最大值的位置

9.cvRound方法：四舍五入

10.从HSV颜色转换为RGB颜色：

iplimage *pgrayimage = cvcreateimage(cvgetsize(psrcimage), ipl_depth_8u, 1)。hogdescriptor* hog = newhogdescriptor(cvsize(64, 48), cvsize(8, 6), cvsize(8, 6), cvsize(4, 3), 9)。 image = cvcreateimage(cvsize(imagewidth,imageheight),8,3)。

cvSet2D(hsv_color,0,0,cvScalar(h*180.f/h_bins,s*255.f/s_bins,255,0));cvCvtColor(hsv_color,rgb_color,CV_HSV2BGR);CvScalar color = cvGet2D(rgb_color,0,0);

具体代码如下：

git@code.csdn.net:snippets/239028.git

直方图对比

一是立起法治导向，依法依规妥善化解利益矛盾把处置处分涉及利益矛盾的问题纳入法治轨道，用好法治轨范和机制，摒弃“凭经验决策”的习性，扭转“靠感情折衷”的场所排场，纠正“实行标准不一”的现象，妥善化解种种利益矛盾。重击有8种，穿刺，钝系，元系，水系等8种，而化解也有8种，比如金刚就是穿刺化解，毒系化解等，因为没有人针对重击进行堆化解，所以现在重击流打人会很疼，比如魍魉的自爆，就是元伤害，谁会为了防自爆堆元伤害呢，就是这个道路。##镇司法所在去年已化解各类矛盾的基础上，归纳、总结矛盾的形成原因、矛盾发展的规律、化解矛盾的层次及其运用的调处手段，总结出一条复杂的矛盾简单化解，简单矛盾复杂处理化的工作思路，为各类矛盾的顺利化解，指明了工作方向，明确了工作的侧重点。

需要注意的是：EMD方式要求先将直方图转换成矩阵：

EMD方法会占用很很很大量的内存，在使用前请注意直方图的维数及区间数目，不然会出现内存不足的异常。关于这点，请参看我的另一篇文章《关于使用cvCalcEMD2计算两个直方图间最小工作距离的限制(Why cvCalcEMD2 Throw Insufficient Memory Exception)》。还有一点值得注意的是，不同的对比方式对待结果的方式很不一样，结果越大不一定说明匹配度更高，具体请参看《学习OpenCv》这本书的相关章节。

对于直方图的相关和相交对比，结果值越大（即亮度较高）的地方表示匹配程度越高；

对于直方图的卡方、Bhattacharyya、EMD对比，结果值越小（即越黑暗）的地方表示匹配程度越高。

陆地移动距离EMD

光线能引起图像颜色值的漂移，尽管这些漂移没有改变颜色直方图的形状，但是这些漂移引起了颜色值位置的变化，从而导致前述匹配策略失效。如果利用颜色直方图的距离测量来代替直方图的匹配策略，那么我们仍然可以像直方图对比一样对比两个直方图的距离，即使第二个直方图发生漂移，也能找到最小的距离度量。

导读：2015年中国移动四川移动公司内部转正考试：中国移动转正，1、中国移动的核心价值观是(正德厚生)、(臻于至善)，2、公司要加速推进的两个转变是指“由(移动通信专家)”向(移动信息)转变，3、中国移动的企业使命是(创无线通信世界，4、中国移动的企业愿景是(做卓越品质的创造者)，它们是终端设备、传输链路、(公用陆地移动通信网)，移动台、(交换系统)、基站系统、操作与支持系统，10、当移动用户位置区。多尺度概念流程图 形状 形状栏的值改变着色彩和形状分割准则的关系， 通过改变形状准则， 同时也定义了色彩准则（色彩 = 1 - 形状） 。多尺度概念流程图形状形状栏的值改变着色彩和形状分割准则的关系，通过改变形状准则，同时也定义了色彩准则（色彩 = 1 - 形状）。

0表示最精确匹配，半匹配是成功将直方图的一半转换，将左边直方图的一半转换到下一个直方图。最终移动整个直方图到右边需要整个单位的距离（即将模板直方图转换为完全不匹配直方图）。1表示完全不匹配。

具体代码如下：

intmain()

{

/*CalcHistHs("flower.jpg");

CvHistogram*hist1=CalcHistRgb("flower.jpg");

CvHistogram*hist2=CalcHistRgb("flower3.jpg");

doubleresult=cvCompareHist(hist1,hist2,CV_COMP_CORREL);

cout<<result;

cvWaitKey(0);*/

IplImage*src=cvLoadImage("flower.jpg");

IplImage*hsv=cvCreateImage(cvGetSize(src),8,3);

cvCvtColor(src,hsv,CV_BGR2HSV);//changeRGBofsrctoHSVofhsv

IplImage*h_plane=cvCreateImage(cvGetSize(src),8,1);

pgrayimg = cvcreateimage(cvgetsize(pimg), ipl_depth_8u, 1)。 iplimage *dst = cvcreateimage(cvgetsize(srcimage),8,3)。iplimage * change4channelto3iniplimage(iplimage * src)。

IplImage*v_plane=cvCreateImage(cvGetSize(src),8,1);

IplImage*planes[]={h_plane,s_plane};

cvSplit(hsv,h_plane,s_plane,v_plane,0);//splitHSVto3channal

//求得直方图

inth_bins=30,s_bins=32;

CvHistogram*hist1,*hist2;

intsize[]={h_bins,s_bins};

floath_ranges[]={0,180};

floats_ranges[]={0,255};

float*ranges[]={h_ranges,s_ranges};

hist1=cvCreateHist(2,size,CV_HIST_ARRAY,ranges,1);

这种表示方法由ahonen等人在论文[3]中提出，他们将lbp特征图像分成m个局部块，并提取每个局部块的直方图，然后将这些直方图依次连接在一起形成lbp特征的统计直方图，即lbph。从上面可以看到如果用户是直接在crontab中直接写入要执行的shell脚本的话,这个shell将只能调用/usr/bin目录下的程序..。也就是将cell的梯度方向360度分成9个方向块，如图所示：例如：如果这个像素的梯度方向是20-40度，直方图第2个bin的计数就加一，这样，对cell内每个像素用梯度方向在直方图中进行加权投影（映射到固定的角度范围），就可以得到这个cell的梯度方向直方图了，就是该cell对应的9维特征向量（因为有9个bin）。

cvNormalizeHist(hist1,1.0);//归一化直方图，使所有块的值加起来为1

hist2=cvCreateHist(2,size,CV_HIST_ARRAY,ranges,1);

cvCalcHist(planes,hist2,0,0);

cvNormalizeHist(hist2,1.0);

//求得signature用于比较直方图

CvMat*sig1,*sig2;

intnumrows=h_bins*s_bins;

其思路为：以二值化图像左上角顶点为图像原点，从左向右，至上而下扫描图像像素，以每一个扫描到的像素为新的原点(x0,y0)，取其水平和垂直线为横纵坐标，在以(x0,y0)为起点的对角射线line上，若连续的像素点{d0,d1,…,dn}在横纵坐标上的投影像素值均为255，以此来刻画视频窗口的边缘，且l=yn-y0≥h/2,其中yn为连续像素的终点dn的纵坐标，h为显示屏的高度，h/2为统计角度窗口高度应满足的阈值，则(x0,y0)为视频窗口的起始点，l为窗口高度，如图7所示。ii）当点从点运动到的中点时，求线段的中点所经过的路径（线段）长.（直接写出结果，不必写出解答过程）b卷（共50分）一、填空题（本大题共5个小题，每小题4分，共20分，答案写在答题卡上）21. 已知点在直线（为常数，且）上，则的值为_____.22. 若正整数使得在计算的过程中，各数位均不产生进位现象，则称为“本位数”.例如2和30是“本位数”，而5和91不是“本位数”.现从所有大于0且小于100的“本位数”中，随机抽取一个数，抽到偶数的概率为_______.23. 若关于的不等式组，恰有三个整数解，则关于的一次函数的图像与反比例函数的图像的公共点的个数为_________.24. 在平面直角坐标系中，直线（为常数）与抛物线交于，两点，且点在轴左侧，点的坐标为，连接.有以下说法：。即，下位整体特征量例如包含部分区域内的横方向以及纵方向的全部像素的像素值(y、u、v)的平均值以及方差值、将部分区域内的横方向以及纵方向的全部像素二等分后的区域中对象块图像所属的区域的像素值(y、u、v)的平均值以及方差值、或包括对象块图像的一定大小的区域中的像素的像素值(y、u、v)的平均值以及方差值。