江阴市住房与建设局网站,wordpress菜单设计,企业网站注册域名的步骤,宣传片制作费用报价表我们可以利用OpenCV的直方图#xff0c;backproject直方图和meanshift算法来跟踪物体。下面通过简单的例子来说明如何实现跟踪算法#xff0c;我们有两幅狒狒的图片#xff0c;如下图所示#xff1a;我们首先在左图中框选狒狒的脸#xff0c;计算出框选区域的色度(HSV空间…      我们可以利用OpenCV的直方图backproject直方图和meanshift算法来跟踪物体。下面通过简单的例子来说明如何实现跟踪算法我们有两幅狒狒的图片如下图所示我们首先在左图中框选狒狒的脸计算出框选区域的色度(HSV空间的H)直方图然后在image2中backproject该直方图得到每个像素点属于该直方图的概率图。         得到的概率图之后我们去掉图中低饱和度的像素然后二值化最后对该图使用meanshift算法得到密度最大的区域这个区域就是我们跟踪的目标区域。 注意下面去掉低饱和度像素的方法(HSV空间中的S分量表示饱和度): cv::cvtColor(image, hsv, CV_BGR2HSV); // 按通道分成3副图像 cv::split(hsv,v); // 标示低饱和度的像素 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); // 减少低饱和度像素 cv::bitwise_and(result,v[1],result);        meanshift算法的代码如下TermCriteria为迭代中值条件最大迭代次数10迭代精度0.01只有这两个条件都满足的时候迭代才会结束。迭代结束后rect中存储的就是目标区域的位置。     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));   程序代码工程FirstOpenCV22