【opencv】关于用cvPyrDown（）创建一幅宽度和高度为输入图像一半尺寸的图像的问题

你的程序写的有问题，你的dopyrdown函数采用函数返回值的方式输出采样后的图像。可是在你调用的时候是直接调用dopyrdown函数的，并没有ipimage指针去接收这个函数的返回值啊！也就是说缩小图像的 *** 作做完了，但是程序中没有数据结构去接收这个结果。你在输出output图像的时候也是直接使用img图像的。

这种运动目标检测的方法还是很经典的，下面写了一些注释仅作参考，希望对你有所帮助。

#include "stdafxh"

#include "cvh"

#include "highguih"

#include <timeh>

#include <mathh>

#include <ctypeh>

#include <stdioh>

#include <stringh>

const double MHI_DURATION = 01;//定义运动跟踪的最大时间

const double MAX_TIME_DELTA = 05;

const double MIN_TIME_DELTA = 005;

const int N = 3;//定义数组的维度为3

const int CONTOUR_MAX_AERA = 10;//定义的阈值

IplImage buf = 0;

int last = 0;

IplImage mhi = 0;

CvFilter filter = CV_GAUSSIAN_5x5;//高斯卷积滤波

CvConnectedComp cur_comp, min_comp;//定义连通域 *** 作的存储

CvConnectedComp comp;//定义连通域 *** 作的存储

CvMemStorage storage;//定义内存分配

CvPoint pt[4];//定义点的存储

/

下面update_mhi函数输入img，输出识别结果dst，阈值diff_threshold

/

void update_mhi( IplImage img, IplImage dst, int diff_threshold )

{

double timestamp = clock()/1; //返回从“开启这个程序进程”到“程序中调用clock()函数”时之间的CPU时钟计时单元

CvSize size = cvSize(img->width,img->height); //获取图像的宽和高

int i, idx1, idx2;

IplImage silh;

IplImage pyr = cvCreateImage( cvSize((sizewidth & -2)/2, (sizeheight & -2)/2), 8, 1 );//

CvMemStorage stor;//申请内存

CvSeq cont;//定义保存数据的结构

/先进行数据的初始化/

if( !mhi || mhi->width != sizewidth || mhi->height != sizeheight )

{

//分配内存 *** 作：如果buf是空值，则分配存储空间

if( buf == 0 )

{

buf = (IplImage)malloc(Nsizeof(buf[0]));//利用malloc动态分配内存

memset( buf, 0, Nsizeof(buf[0]));//作用是在一段内存块中填充某个给定的值，此处值为0

}

//创建通道为N=3,大小为size的图像存储

for( i = 0; i < N; i++ )

{

cvReleaseImage( &buf[i] );//释放buf

buf[i] = cvCreateImage( size, IPL_DEPTH_8U, 1 );//创建buf[i]

cvZero( buf[i] );//初始化为0

}

cvReleaseImage( &mhi );//释放变量mhi

mhi = cvCreateImage( size, IPL_DEPTH_32F, 1 );//创建mhi，大小为size，深度为IPL_DEPTH_32F，1个通道

cvZero( mhi ); ///初始化为0

}

cvCvtColor( img, buf[last], CV_BGR2GRAY );//将RGB图像img转换成gray灰度图像buf

idx1 = last;//将last赋值到idx1

idx2 = (last + 1) % N; //计算(last + 1)除以N的余数

last = idx2;//将idx2赋值到last

silh = buf[idx2];//将buf[idx2]赋值到silh

//下面计算buf[idx1]与buf[idx2]差的绝对值，输出结果存入silh

cvAbsDiff( buf[idx1], buf[idx2], silh );

//下面对单通道数组silh应用固定阈值 *** 作，阈值为30，阈值化类型为CV_THRESH_BINARY最大值为255

cvThreshold( silh, silh, 30, 255, CV_THRESH_BINARY );

//去掉影像(silh) 以更新运动历史图像为mhi,当前时间为timestamp，运动跟踪的最大时间为MHI_DURATION=01

cvUpdateMotionHistory( silh, mhi, timestamp, MHI_DURATION );

//下面对mhi进行线性变换 *** 作,输出结果存入dst：dst(I)=mhi(I)第二个参数 + 第三个参数

cvCvtScale( mhi, dst, 255/MHI_DURATION,

(MHI_DURATION - timestamp)255/MHI_DURATION );

cvCvtScale( mhi, dst, 255/MHI_DURATION, 0 );

cvSmooth( dst, dst, CV_MEDIAN, 3, 0, 0, 0 );//对dst进行中值滤波

cvPyrDown( dst, pyr, 7 );//利用卷积滤波器对dst进行下采样

cvDilate( pyr, pyr, 0, 1 );//对图像pyr使用33长方形进行膨胀 *** 作

cvPyrUp( pyr, dst, 7 );//利用卷积滤波器对dst进行上采样

stor = cvCreateMemStorage(0);//动态内存存储创建内存块

cont = cvCreateSeq(CV_SEQ_ELTYPE_POINT, sizeof(CvSeq), sizeof(CvPoint) , stor);//创建存储结构

//函数cvFindContours为寻找图像dst的角点，数据存入cont中，其中包含角点的坐标值

cvFindContours( dst, stor, &cont, sizeof(CvContour),

CV_RETR_LIST, CV_CHAIN_APPROX_SIMPLE, cvPoint(0,0));

for(;cont;cont = cont->h_next)

{

CvRect r = ((CvContour)cont)->rect;//创建矩形区域

if(rheight rwidth > CONTOUR_MAX_AERA)

{

//下面是在图像Img上绘制红色的矩形框，利用左上点和右下点

cvRectangle( img, cvPoint(rx,ry),

cvPoint(rx + rwidth, ry + rheight),

CV_RGB(255,0,0), 1, CV_AA,0);

}

}

cvReleaseMemStorage(&stor);//释放内存

cvReleaseImage( &pyr );//释放结构体

}

int _tmain(int argc, _TCHAR argv[])

{

IplImage motion = 0;

CvCapture capture = 0;

capture = cvCaptureFromFile("D://Capture1avi");//获取视频文件

if( capture )

cvNamedWindow( "视频分析", 1 );//创建窗口

{

for(;;)

{

IplImage image;

if( !cvGrabFrame( capture ))//如果读取视频失败，则退出

break;

image = cvRetrieveFrame( capture );//获取图像

if( image )

{

if( !motion )

{

motion = cvCreateImage( cvSize(image->width,image->height), 8, 1 );

cvZero( motion );

motion->origin = image->origin;

}

}

update_mhi( image, motion, 60);//运动目标检测，阈值为60

cvShowImage( "视频分析", image );//在窗口中显示图像

if( cvWaitKey(10) >= 0 )

break;

}

cvReleaseCapture( &capture );//释放

cvDestroyWindow( "视频分析" );//释放窗口

}

return 0;

}

OpenCV训练分类器

一、简介

目标检测方法最初由Paul Viola [Viola01]提出，并由Rainer Lienhart [Lienhart02]对这一方法进行了改善。

该方法的基本步骤为：

首先，利用样本（大约几百幅样本）的 harr 特征进行分类器训练，得到一个级联的boosted分类器。

分类器中的"级联"是指最终的分类器是由几个简单分类器级联组成。在图像检测中，被检窗口依次通过每一级分类器， 这样在前面几层的检测中大部分的候选区域就被排除了，全部通过每一级分类器检测的区域即为目标区域。

分类器训练完以后，就可以应用于输入图像中的感兴趣区域(与训练样本相同的尺寸)的检测。检测到目标区域(汽车或人脸)分类器输出为1，否则输出为0。为了检测整副图像，可以在图像中移动搜索窗口，检测每一个位置来确定可能的目标。为了搜索不同大小的目标物体，分类器被设计为可以进行尺寸改变，这样比改变待检图像的尺寸大小更为有效。所以，为了在图像中检测未知大小的目标物体，扫描程序通常需要用不同比例大小的搜索窗口对进行几次扫描。

目前支持这种分类器的boosting技术有四种：

Discrete Adaboost, Real Adaboost, Gentle Adaboost and Logitboost。

"boosted" 即指级联分类器的每一层都可以从中选取一个boosting算法(权重投票)，并利用基础分类器的自我训练得到。

根据上面的分析，目标检测分为三个步骤：

1、 样本的创建

2、 训练分类器

3、 利用训练好的分类器进行目标检测。

二、样本创建

训练样本分为正例样本和反例样本，其中正例样本是指待检目标样本(例如人脸或汽车等)，反例样本指其它任意，所有的样本都被归一化为同样的尺寸大小(例如，20x20)。

负样本

负样本可以来自于任意的，但这些不能包含目标特征。负样本由背景描述文件来描述。背景描述文件是一个文本文件，每一行包含了一个负样本的文件名（基于描述文件的相对路径）。该文件必须手工创建。

eg: 负样本描述文件的一个例子：

假定目录结构如下：

/img

img1jpg

img2jpg

bgtxt

则背景描述文件bgtxt的内容为：

img/img1jpg

img/img2jpg

正样本

正样本由程序craatesample程序来创建。该程序的源代码由OpenCV给出，并且在bin目录下包含了这个可执行的程序。

正样本可以由单个的目标或者一系列的事先标记好的来创建。

Createsamples程序的命令行参数：

命令行参数：

－vec <vec_file_name>

训练好的正样本的输出文件名。

－img<image_file_name>

源目标（例如：一个公司图标）

－bg<background_file_name>

背景描述文件。

－num<number_of_samples>

要产生的正样本的数量，和正样本数目相同。

－bgcolor<background_color>

背景色（假定当前为灰度图）。背景色制定了透明色。对于压缩，颜色方差量由bgthresh参数来指定。则在bgcolor－bgthresh和bgcolor＋bgthresh中间的像素被认为是透明的。

－bgthresh<background_color_threshold>

－inv

如果指定，颜色会反色

－randinv

如果指定，颜色会任意反色

－maxidev<max_intensity_deviation>

背景色最大的偏离度。

－maxangel<max_x_rotation_angle>

－maxangle<max_y_rotation_angle>，

－maxzangle<max_x_rotation_angle>

最大旋转角度，以弧度为单位。

－show

如果指定，每个样本会被显示出来，按下"esc"会关闭这一开关，即不显示样本，而创建过程继续。这是个有用的debug选项。

－w<sample_width>

输出样本的宽度（以像素为单位）

－h《sample_height》

输出样本的高度，以像素为单位。

注：正样本也可以从一个预先标记好的图像集合中获取。这个集合由一个文本文件来描述，类似于背景描述文件。每一个文本行对应一个。每行的第一个元素是文件名，第二个元素是对象实体的个数。后面紧跟着的是与之匹配的矩形框（x, y, 宽度，高度）。

以上就是关于【opencv】关于用cvPyrDown（）创建一幅宽度和高度为输入图像一半尺寸的图像的问题全部的内容，包括:【opencv】关于用cvPyrDown（）创建一幅宽度和高度为输入图像一半尺寸的图像的问题、求高手帮忙翻译一段基于OPENCV的运动目标检测的程序，详细翻译，老师会提问、如何利用opencv进行样本训练等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！