OpenCV积分图函数：integral ()详解
?
/**************************************************************************************************/
// 函數(shù)名稱：OnMenu020503()
// 函數(shù)功能：“對(duì)角積分圖”菜單。
// 函數(shù)參數(shù)：
// ? ? 輸入?yún)?shù): 無(wú)
// ? ? 輸出參數(shù): 無(wú)
// 返 回 值：void
// 創(chuàng)建作者：（QQ：370711753）
// 修改日期：2017/11/08 16:25:58
/**************************************************************************************************/
void COpenCVDlg::OnMenu020503()
{
?? ?try?? ?// 錯(cuò)誤處理
?? ?{
?? ??? ?Mat lv_MatImageIntegralSum = Mat();
?? ??? ?Mat lv_MatImageIntegralSqSum = Mat();
?? ??? ?Mat lv_MatImageIntegralTilted = Mat();
?? ??? ?Mat lv_MatImageIntegralNorm = Mat(); ?
?? ??? ?// 計(jì)算積分圖像
?? ??? ?cv::integral(m_MatImageRead, lv_MatImageIntegralSum,
?? ??? ??? ?lv_MatImageIntegralSqSum, lv_MatImageIntegralTilted, CV_64F, CV_64F);
?? ??? ?// 圖像數(shù)據(jù)歸一化
?? ??? ?cv::normalize(lv_MatImageIntegralTilted, lv_MatImageIntegralTilted, 0, 255, CV_MINMAX);
?? ??? ?convertScaleAbs(lv_MatImageIntegralTilted,lv_MatImageIntegralNorm);?? ??? ?// 精度轉(zhuǎn)換為8位INT整型?
?? ??? ?// 顯示結(jié)果
?? ??? ?HV_ImageShow(lv_MatImageIntegralNorm, m_strNameWindow);
?? ?}
?? ?catch (Exception& lv_Exception)?? ??? ?// 拋出異常
?? ?{
?? ??? ?CString lv_strException = _T("");
?? ??? ?lv_strException.Format(_T("：%s！"), lv_Exception.what());
?? ??? ?MessageBox(lv_strException, _T("錯(cuò)誤！"), MB_ICONERROR); ??
?? ??? ?return;
?? ?}
?? ?return;
}
//************************************************
Opencv中的積分圖算法
?
積分圖算法由Crow在1984年首次提出，是為了在多尺度透視投影中提高渲染速度。積分圖算法是一種快速計(jì)算圖像區(qū)域和以及圖像區(qū)域平方和的算法。它的核心思想就是對(duì)每一個(gè)圖像建立起自己的積分圖查找表，在圖像處理的階段就可以根據(jù)預(yù)先建立積分圖查找表直接查找從而實(shí)現(xiàn)對(duì)均值卷積的線性時(shí)間計(jì)算。做到了卷積執(zhí)行的時(shí)間與窗口大小無(wú)關(guān)。這種算法被應(yīng)用到基于NCC的快速匹配、對(duì)象檢測(cè)和SURF變換、邊緣檢測(cè)、基于統(tǒng)計(jì)學(xué)的快速濾波器等方面。
積分圖算法的缺點(diǎn)：1、需要較大的內(nèi)存來存儲(chǔ)積分圖。2、如果圖片較大，會(huì)導(dǎo)致數(shù)據(jù)溢出。
-
積分圖的建立
積分圖由原圖像計(jì)算而來，假設(shè)原圖大小為W*H，則積分圖大小為（W+1)*(H+1)。在積分圖（integral image）上任意坐標(biāo)（x，y）處的值，表示原圖中坐標(biāo)為（x，y）的點(diǎn)的左上角所有像素點(diǎn)像素值的和（平方和表中的就是平方和）。和表和平方和表建立公式如下：
和表：
平方和表：
如下圖所示，假設(shè)輸入圖像大小為2x2，則積分圖大小為3x3
-
積分圖的查找
如上圖所示，如果想求輸入圖像中藍(lán)色區(qū)域內(nèi)的像素值之和（3+2+5+4=14），只要根據(jù)和表積分圖進(jìn)行兩次減法和一次減法即可：46+10-22-20=14。也就是右下角+左上角-右上角-左下角。
-
Opencv實(shí)例
opencv中計(jì)算積分圖的API介紹：
//API一
void integral( InputArray src, //輸入圖像
OutputArray sum, //和表
int sdepth = -1,); //和表深度
//API二
void integral( InputArray src, //輸入圖像
OutputArray sum, //和表
OutputArray sqsum, //平方和表
int sdepth = -1, //和表深度,一般為CV_32S
int sqdepth = -1 ); //平方和表深度，一般為CV_32F
計(jì)算積分圖并顯示：
? ? ? ? ? ? ? ? ? ? ? ??? ? ???
//
//opencv4.1.0
//
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main() {
Mat src, sum, sqrsum;
src = imread("1.png", 0);
integral(src, sum, sqrsum, CV_32S, CV_32F);
normalize(sum, sum, 0, 255, NORM_MINMAX, CV_8UC1, Mat());
normalize(sqrsum, sqrsum, 0, 255, NORM_MINMAX, CV_8UC1, Mat());
imshow("原圖", src);
imshow("和表積分圖", sum);
imshow("平方和表積分圖", sqrsum);
waitKey(0);
return 0;
}
-
獲取指定區(qū)域內(nèi)像素值之和
//
//opencv4.1.0
//
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int get_block_sum(Mat &sum, int x1, int y1, int x2, int y2);
int main() {
Mat src, sum, sqrsum;
src = imread("1.png", 0);
//獲取ROI，便于觀察（使用ImageWatch插件）
int LR = 4;
int LC = 4;
int width = 6;
int height = 6;
Mat roi = src(Rect(LR, LC, width, height)).clone();
//計(jì)算積分圖
integral(src, sum, sqrsum, CV_32S, CV_32F);
//利用積分圖計(jì)算ROI內(nèi)的像素值總和
int value = get_block_sum(sum, LR, LC, LR + height, LC + width);
cout << value << endl;
imshow("原圖", src);
waitKey(0);
return 0;
}
int get_block_sum(Mat &sum, int x1, int y1, int x2, int y2) {
int BottomRight = sum.at<int>(x2, y2);
int TopLeft = sum.at<int>(x1, y1);
int TopRight = sum.at<int>(x1, x2);
int BottomLeft = sum.at<int>(x2, y1);
int sum_value = (BottomRight + TopLeft - TopRight - BottomLeft);
return sum_value;
}
?
//********************************************
Paul Viola和Michael Jones在2001年首次將積分圖應(yīng)用在圖像特征提取上，在他們的論文“Rapid Object Detection using a Boosted Cascade of Simple Features”中，積分圖被當(dāng)作一種新的圖像特征表征方式，可以把檢測(cè)的Haar特征非常高效的計(jì)算出來，用于實(shí)時(shí)人臉檢測(cè)系統(tǒng)。
積分圖是一種能夠描述全局信息的矩陣表示方法，其構(gòu)造方式是積分圖像上位置（i，j）處的值ii（i，j）是原圖像（i，j）左上角方向所有像素的和。
利用積分圖可以可以快速的計(jì)算圖像上某一區(qū)域內(nèi)的像素和，如下圖：
要計(jì)算區(qū)域D內(nèi)的像素和，只需要獲取到積分圖上1、2、3/4點(diǎn)各自的像素值，分別表述為ii(1)、ii(2)、ii(3)、ii(4)，則區(qū)域D的像素和=ii(4)+ii(1)-ii(2)-ii(3)。
?
傳統(tǒng)的計(jì)算像素和的方式需要遍歷區(qū)域D內(nèi)所有的像素，再執(zhí)行累加，計(jì)算量隨著區(qū)域D面積的增大而增大，而對(duì)積分圖方式來說，只需要在計(jì)算積分圖之后，通過簡(jiǎn)單幾次加減運(yùn)算就可以得到某一區(qū)域內(nèi)“像素和”這一特征，計(jì)算速度非常快，并且這種速度的提升效果隨著區(qū)域面積的增大和計(jì)算次數(shù)的增多表現(xiàn)的更為明顯。
?
Opencv中使用integral函數(shù)計(jì)算積分圖。
?
?
void integral( InputArray src, OutputArray sum, int sdepth=-1 );
第一個(gè)參數(shù)src，可以使灰度圖或RGB彩色圖，單通道和三通道均可作為輸入，但每個(gè)通道的精度必須是8位int或32位、64位浮點(diǎn)型；
?
第二個(gè)參數(shù)sum，積分圖，若輸入src是灰度圖，則積分圖也是灰度圖，若輸入src是RGB三通道圖，則積分圖sum也是RGB三通道彩色。sum的圖像深度是32位整型或32位、64位浮點(diǎn)型，這取決于第三個(gè)參數(shù)sdepth的定義；
第三個(gè)參數(shù)sdepth，定義積分圖的深度（depth），32位整型或者32位、64位浮點(diǎn)型。注意圖像的深度跟圖像的通道數(shù)是無(wú)關(guān)的，相關(guān)概念可以參看這里：Opencv Mat矩陣中data、size、depth、elemSize、step等屬性的理解?；
所以在使用sum之前，聲明即可，可以不事先定義Mat矩陣的大小和數(shù)據(jù)類型。
?
?
#include "highgui/highgui.hpp" #include "imgproc/imgproc.hpp"using namespace cv;int main(int argc,char *argv[]) {Mat image=imread(argv[1]); //cvtColor(image,image,CV_RGB2GRAY); //原圖像是三通道，積分圖也是三通道Mat imageIntegral;integral(image,imageIntegral,CV_32F); //計(jì)算積分圖normalize(imageIntegral,imageIntegral,0,255,CV_MINMAX); //歸一化，方便顯示Mat imageIntegralNorm;convertScaleAbs(imageIntegral,imageIntegralNorm); //精度轉(zhuǎn)換為8位int整型imshow("Source Image",image);imshow("Integral Image",imageIntegralNorm);waitKey(); }
?
?
原圖：
?
積分圖：
?
顯示的積分圖是經(jīng)過歸一化后的。可以看到從左上角到右下角，圖像是越來越亮的，也就是說積分圖上像素值是越來越大的。
?
積分圖的圖像通道數(shù)跟原始圖像保存一致，當(dāng)計(jì)算積分圖的原始圖像是彩色圖像時(shí)，積分圖也是彩色圖像，這時(shí)候積分圖計(jì)算的不是灰度，而是顏色：
//************************************
總結(jié)
以上是生活随笔為你收集整理的OpenCV积分图函数：integral ()详解的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 破解 IntelliJ IDEA 、免费
- 下一篇： 解决：Docker 启动的容器内部时间比