我正在尝试做类似这篇文章的内容:Getting dominant colour value from HSV Histogram
我有一张图片,想要从中提取主色(Hue)。我已经达到了计算直方图的程度,并从minMaxLoc获得了maxValue。但是我从Core.MinMaxLocResult中检索的数字完全没有意义。我得到的东西像806924和1067036; Hue的预期值不应该在0到180之间吗?
直方图应该归一化吗?怎么会这样?我见过像“equalizeHist”和“normalize”这样的方法,但不知道如何使用这些方法以及它们如何帮助我。
另外,一旦我得到一个明智的“最常见的”Hue数字,我该如何将其转换为实际的色调(例如“绿色是此图像中最常出现的颜色”)?是否有标准的Hue范围?像0-10是红色,10-20是紫色等?
更新:这是我的代码:
private void processImage(String imgFilename) {
channels = new MatOfInt[] { new MatOfInt(0), new MatOfInt(1),
new MatOfInt(2) };
histSize = new MatOfInt(histSizeNum);
hRanges = new MatOfFloat(0f, 180f); // hue varies from 0 to 179
// use openCV stuff to convert from RGB to HLS space
Mat src = Highgui.imread(imgFilename);
Mat hls = new Mat();// destination color space
Imgproc.cvtColor(src, hls, Imgproc.COLOR_RGB2HLS);
Core.split(hls, hlsChannels);
Mat hue = hlsChannels.get(0);
Mat lum = hlsChannels.get(1);
Mat sat = hlsChannels.get(2);
// we compute the histogram from the 0-th channel for hue
Imgproc.calcHist(Arrays.asList(hls), channels[0], new Mat(), hist,
histSize, hRanges);
Core.normalize(hist, hist, 0,2, Core.NORM_MINMAX, -1, new Mat());
Core.MinMaxLocResult result = Core.minMaxLoc(hist);
// max value should contain the most-recurring Hue value.
double mostOccurringHue = result.maxVal;
double leastOccurringHue = result.minVal;
//double mostOccurringHue = result.maxLoc.x;
//double leastOccurringHue = result.minLoc.x;
// print out for sanity checking
System.out.println("MAX HUE = " + Double.toString(mostOccurringHue) +"\n");
System.out.println("MIN HUE = " + Double.toString(leastOccurringHue) +"\n");
答案 0 :(得分:1)
我建议你再次检查一下你所提到的链接上的答案。你应该考虑以下几点:
- 您正在寻找主导颜色值,因此您应该只使用Hue频道。
- 你的陌生人应该是0-180。
-dims应该是1(而不是2),因为你只需要值直方图。
==>之后,maxValLoc将以“点”格式告诉您具有最大值的bin,其中point将包含x和y坐标。
例如:
double minVal; double maxVal; Point minLoc; Point maxLoc;
minMaxLoc( hist_image, &minVal, &maxVal, &minLoc, &maxLoc, Mat() );
现在你的“maxVal”将包含最大值和“maxLoc.y”& “maxLoc.x”将告诉您包含该最大值的点的行和列值。
答案 1 :(得分:1)
我没有使用openCV的ibuilt计算直方图及其规范化的方法,而是编写了我自己的代码,因为我们只为色调通道创建直方图。看看我的代码。
int main()
{
Mat input = imread("jan31/class4Jan31.jpg",1);
Mat hsv_input;
int h_bins = 5;
Mat hist_input = Mat::zeros( 1, h_bins, CV_32FC1);
int h_range = 179;
int totalNumberPixels = 0;
cvtColor(input, hsv_input, CV_RGB2HSV);
Mat hsv_channels[3];
split( hsv_input, hsv_channels );
for (int i=0; i<hsv_channels[0].rows; i++)
{
for (int j=0; j<hsv_channels[0].cols; j++)
{
if( (int)hsv_channels[1].at<uchar>(i,j)>10 && (int)hsv_channels[1].at<uchar>(i,j)>100)
{
totalNumberPixels++;
int pixel_value = (int)hsv_channels[0].at<uchar>(i,j);
int corresponding_bin = ( pixel_value * h_bins ) / h_range;
hist_input.at<float>( 0, corresponding_bin ) = ( hist_input.at<float>( 0, corresponding_bin ) + 1 );
}
}
}
cout<<"\n total pixels: "<<totalNumberPixels;
for(int i=0; i<hist_input.rows; i++)
{
for (int j=0; j<hist_input.cols; j++)
{
float pixel = hist_input.at<float>(i,j);
hist_input.at<float>(i,j) = pixel / totalNumberPixels;
pixel = hist_input.at<float>(i,j);
cout<<"\n Pixel: "<<pixel;
}
}
cv::waitKey(0);
return 0;
}
答案 2 :(得分:0)
如果您发布部分代码,那将是件好事。您可以通过以下方式标准化直方图:
normalize( hist_input, hist_input, 0, 2, NORM_MINMAX, -1, Mat() );
要预测获得绿色范围,如果您自己检查绿色图像的H分量中的像素值,那将是一件好事。对我来说,这是在53-65岁。