# 高斯反向投影实现检测图像中的特定物

region_proposal_cat.png

# 算法实现

1. 输入模型M，对M的每个像素点（R,G,B）计算SUM=R+G+B r=R/SUM, g=G/SUM, b=B/SUM
2. 根据得到权重比例值，计算得到对应的均值 与标准方差
3. 对输入图像的每个像素点计算根据高斯公式计算P(r)与P(g)的乘积
4. 归一化之后输出结果，显示基于高斯分布概率密度函数的反向投影图像。

GaussianBackProjection的算法实现：

```import com.cv4j.core.datamodel.ByteProcessor;
import com.cv4j.core.datamodel.ImageProcessor;
import com.cv4j.exception.CV4JException;
import com.cv4j.image.util.Tools;

public class GaussianBackProjection {

public void backProjection(ImageProcessor src, ImageProcessor model, ByteProcessor dst) {
if(src.getChannels() == 1 || model.getChannels() == 1) {
throw new CV4JException("did not support image type : single-channel...");
}
float[] R = model.toFloat(0);
float[] G = model.toFloat(1);
int r = 0, g = 0, b = 0;
float sum = 0;
int mw = model.getWidth();
int mh = model.getHeight();
int index = 0;
for (int row = 0; row < mh; row++) {
for (int col = 0; col < mw; col++) {
index = row*mw + col;
b = model.toByte(2)[index]&0xff;
g = model.toByte(1)[index]&0xff;
r = model.toByte(0)[index]&0xff;
sum = b + g + r;
R[index] = r / sum;
G[index] = g / sum;
}
}

// 计算均值与标准方差
float[] rmdev = Tools.calcMeansAndDev(R);
float[] gmdev = Tools.calcMeansAndDev(G);

int width = src.getWidth();
int height = src.getHeight();

// 反向投影
float pr = 0, pg = 0;
float[] result = new float[width*height];
for (int row = 0; row < height; row++) {
for (int col = 0; col < width; col++) {
index = row*width + col;
b = src.toByte(2)[index]&0xff;
g = src.toByte(1)[index]&0xff;
r = src.toByte(0)[index]&0xff;
sum = b + g + r;
float red = r / sum;
float green = g / sum;
pr = (float)((1.0 / (rmdev[1]*Math.sqrt(2 * Math.PI)))*Math.exp(-(Math.pow((red - rmdev[0]), 2)) / (2 * Math.pow(rmdev[1], 2))));
pg = (float)((1.0 / (gmdev[1]*Math.sqrt(2 * Math.PI)))*Math.exp(-(Math.pow((green - gmdev[0]),2)) / (2 * Math.pow(gmdev[1], 2))));
sum = pr*pg;

if(Float.isNaN(sum)){
result[index] = 0;
continue;
}

result[index] = sum;

}
}

// 归一化显示高斯反向投影
float min = 1000;
float max = 0;
for(int i=0; i<result.length; i++) {
min = Math.min(min, result[i]);
max = Math.max(max, result[i]);
}

float delta = max - min;
for(int i=0; i<result.length; i++) {
dst.getGray()[i] =  (byte)(((result[i] - min)/delta)*255);
}
}
}```

GaussianBackProjection的具体使用

```GaussianBackProjection gaussianBackProjection = new GaussianBackProjection();

gaussianBackProjection.backProjection(colorProcessor,sampleProcessor,byteProcessor);

result.setImageBitmap(byteProcessor.getImage().toBitmap());```

# 总结

cv4jgloomyfish和我一起开发的图像处理库，纯java实现，目前的版本号是0.1.1

0 条评论

• ### 使用Java生成比特币钱包地址的过程

执行上述命令会生成ec-prive.pem文件，将其快速解码为可读的16进制形式。

• ### 给 Java 和 Android 构建一个简单的响应式Local Cache

首先，Local Cache 不是类似于 Redis、Couchbase、Memcached 这样的分布式 Cache。Local Cache 适用于在单机环境...

• ### Java 字节的常用封装一. Java 的字节二. 常用封装三. mmap 的操作四. 总结

byte (字节) 是 Java 中的基本数据类型，一个 byte 包含8个 bit(位），byte 的取值范围是-128到+127。

进入 2016 年后，虚拟现实星火燎原。 短短的三年内，虚拟现实从 Kickstarter 中的一个陌生名字，变得科技圈人人皆知。但有意思的是，至今为止虚拟现实...

• ### GPU编程(四): 并行规约优化

如果之前没有用过gdb, 可以速学一下, 就几个指令. 想要用cuda-gdb对程序进行调试, 首先你要确保你的gpu没有在运行操作系统界面, 比方说, 我...

• ### 相邻不重复随机数的生成及优化

生成相邻不重复随机数是之前抽奖插件的遗留问题，在之前的文章中已经简单说过，但没有更好的解决方案。经过一个多月的修改，抽奖插件已经趋于完善，在此分享一下这个问题的...

• ### Linux常用命令

我总结了常用的Linux命令，方便你的Linux使用。下面是格式说明，你现在可以跳过，直到遇到疑问时再来查询。 \$ 命令行提示符 粗体表示命令 斜体表示参数 ...

• ### 《机器学习实战》书中python2.7与

《机器学习实战》书中使用的是python2.7，而对于现在新接触python的同学来说都是上手python3.6版本。

• ### md5sum 和 sha256sum用于 验证软件完整性

md5sum 和 sha256sum 都用来用来校验软件安装包的完整性，本次我们将讲解如何使用两个命令进行软件安装包的校验：