本文首发于公众号【Opencv视觉实践】，各种有趣的小操作带你进阶opencv

之前写过一篇

里面的内容可以看下图。所以今天还要再再再学一个直方图的API：直方图反投影。

直方图反向投影是干啥的呢，它用于图像分割或在图像中查找感兴趣的对象。用什么来查找呢？用直方图。

直方图在一定程度上可以反应图像的特征，我们截取一个有固定特征的样例，比如草地，然后计算该块草地的直方图，然后用这个直方图去和整幅图像的直方图做对比，根据一定的判断条件，就能得出相似的即为草地。

看着就像是语义分割，其实一定意义上这就是语义分割，这不过直方图反向分割的依据是人为计算的（直方图）,后者分割的依据是靠在神经网络中学习得来的。

我们先看一下opencv直方图反向计算得API：

void 

一：该API得实现原理是什么呢

假设我们现在有一个四行四列得灰度图，它得灰度值如下图：

说这幅图有什么特征呢？直观上看类似于一个边角，但这是直观上，怎么表示出来呢？深度学习是靠神经网络黑箱计算出来得，我们可以用直方图。

那我们就计算这幅灰度图得直方图，如果以组距为1计算直方图并反向投影到原图，得到得为下图：

可以大概表述一下边角得特征：左下角有6个像素值相同得三角形区域，中间斜向下有四个像素值相同得边界线，以此类推。这就是用直方图得到得边角得特征。

那如果以组距为2计算直方图呢？反向投影后为：

可以看到特征描述得更为广泛了，就像深度学习里，提取更高层次得特征，虽然更为普适，但也会忽略掉一些细节特征。

我们就是拿这个反向投影所表达得特征信息，去和整幅图做对比，来得到特征相似得部分，达到分割得效果。

二：利用反向投影进行语义分割

先看一下我们今天要处理得图片：

我们今天要做得就是将这条公路给提取出来。

1，先读取原图以及样本图，并转换为HSV格式。

//【1】读取图片

为什么转HSV呢？因为HSV表达颜色更为方便区分，我们今天用到得只有前两个通道：H（色调）和S（饱和度），不用V（亮度）。

来看一下我们截取得样本图：

这是我们在公路上随便截取得一块儿样本，可以看到整条公路大概都是这个样子。

2，计算样本图得直方图并进行归一化

//【3】计算公路的直方图

代码第7行，我们计算H和S通道直方图的组距分别为20和32，我们采用更小的组距来抓取更大的特征区域。

为什么要归一化呢，直方图反向投影到原图后，原图各位置表示的是整幅图中等于该点像素值的数量，归一化后就变成概率了。

3，将计算的归一化后的直方图进行反向投影

//【5】反向投影

反向投影后的原图：

可以大概看出公路的轮廓了吧？

4，上一篇介绍了掩码操作，这里我们就要用掩码将公路给抠出来显示：

//图像掩码Mask操作

显示结果：

效果并不是想象中那么好是吧哈，感觉还是语义分割要更准确些。但准确能当女朋友吗？

后期再加上些边缘检测和霍夫直线变换，和一些其他骚操作，就可以提取公路啊，车道线啥的了。

欢迎关注本知乎专栏！

如果觉的很干货，不要光收藏，点个赞呀~

点个赞祝你收藏的东西永不吃土哦~