如何在opencv / python中识别具有特定形状的直方图

Question

我想在文本和图像部分中分割图像（来自杂志）。我的图片中有几个ROI的直方图。我使用opencv和python（cv2）。

我想识别看起来像这样的直方图

http://matplotlib.sourceforge.net/users/image_tutorial-6.png

因为它是文本区域的典型形状。我怎样才能做到这一点？

编辑：感谢您的帮助。

我将从ROI获得的直方图与我提供的样本直方图进行了比较：

hist = cv2.calcHist(roi,[0,1], None, [180,256],ranges)
compareValue = cv2.compareHist(hist, samplehist, cv.CV_COMP_CORREL)
print "ROI: {0}, compareValue: {1}".format(i,compareValue)

假设ROI 0,1,4和5是文本区域，ROI是图像区域，我得到这样的输出：

• 投资回报率：0，compareValue：1.0
• 投资回报率：1，compareValue：-0.000195522081574＆lt; ---错误分类
• 投资回报率：2，compareValue：0.0612670248952
• 投资回报率：3，compareValue：-0.000517370176887
• 投资回报率：4，compareValue：1.0
• 投资回报率：5，compareValue：1.0

我可以做些什么来避免错误的分类？对于某些图像，错误分类率约为30％，这太高了。

（我也试过CV_COMP_CHISQR，CV_COMP_INTERSECT，CV_COMP_BHATTACHARYY和（hist * samplehist）.sum（），但它们也提供了错误的compareValues）

Answer 1

（如果我误解了这个问题，请参见最后的编辑）：

如果你想绘制直方图，我已经向OpenCV提交了一个python样本，你可以从这里得到它：

http://code.opencv.org/projects/opencv/repository/entry/trunk/opencv/samples/python2/hist.py

用于绘制两种直方图。第一个适用于彩色和灰度图像，如下所示：http://opencvpython.blogspot.in/2012/04/drawing-histogram-in-opencv-python.html

第二个是灰度图像专用的，与问题中的图像相同。

我将展示第二个及其修改。

考虑如下完整图像：

我们需要绘制直方图，如图所示。检查以下代码：

import cv2
import numpy as np

img = cv2.imread('messi5.jpg')
mask = cv2.imread('mask.png',0)
ret,mask = cv2.threshold(mask,127,255,0)

def hist_lines(im,mask):
    h = np.zeros((300,256,3))
    if len(im.shape)!=2:
        print "hist_lines applicable only for grayscale images"
        #print "so converting image to grayscale for representation"
        im = cv2.cvtColor(im,cv2.COLOR_BGR2GRAY)
    hist_item = cv2.calcHist([im],[0],mask,[256],[0,255])
    cv2.normalize(hist_item,hist_item,0,255,cv2.NORM_MINMAX)
    hist=np.int32(np.around(hist_item))
    for x,y in enumerate(hist):
        cv2.line(h,(x,0),(x,y),(255,255,255))
    y = np.flipud(h)
    return y

histogram = hist_lines(img,None)

下面是我们得到的直方图。请记住，它是完整图像的直方图。为此，我们为掩码提供了None。

现在我想找到图像某些部分的直方图。 OpenCV直方图功能有一个掩码工具。对于普通直方图，您应该将其设置为None。否则你必须指定掩码。

Mask是一个8位图像，其中white表示该区域应该用于直方图计算，而black表示它不应该用于直方图计算。

所以我使用了下面的面具（使用颜色创建，你必须为你的目的创建自己的面具）。

我更改了最后一行代码，如下所示：

histogram = hist_lines(img,mask)

现在看看下面的区别：

（请记住，值是标准化的，因此显示的值不是实际像素数，标准化为255.根据需要更改它。）

编辑：

我想我误解了你的问题。你需要比较直方图，对吗？

如果这是你想要的，你可以使用cv2.compareHist功能。

有一个关于this in C++的官方教程。您可以找到相应的Python code here.

Answer 2

您可以使用简单的关联指标。

• 确保您计算的直方图和参考值已标准化（即代表概率）

每个直方图计算的

• （假设myRef和myHist是numpy数组）：

  metric = (myRef * myHist).sum()

• 此指标衡量直方图的参考程度。