在作热度图的时候我们经常需要将热度图调整透明度后叠加在原图上达到更好的展示效果。比如检测人气密度的热度图:



(来自sensetime)

一般作图的时候会第一时间想到matplotlib,因为可以很方便作几乎任何图图,但是最近发现用opencv也很容易执行这个操作。

1. 获取人群密度

输入一张图片我们首先需要获取里面有多少人以及每个人所在的位置信息。这个工作比较复杂,这里不展开讲了,不过提一下集中模式:一种是人群密度不高的场景,可以利用行人检测识别图片中的人及其所在位置,这个方法有很多了,像MTCNN,RCNN,YOLO之类的方法都能用;另一种是广场高密度人群的场景,这样的话因为人与人之间的重叠度很高,大部分人是检测不到的,需要利用检测人头或者用这篇文章的方法来提高检测精度。

2. 热度图的梯度设置

热力图的颜色主要表现的就是这个点代表的人群密度,密度越高,颜色越深。之前我们获取的是检测到的人的bounding box的中心的坐标,那么获取每个点的热度有一下两种方法:1. 设定半径,计算每个像素点在此半径内所包含的人所在的点的数量,此数量即代表词典的热度;2. 设定半径,以每个人所在的点以此半径设定热度梯度,如果两个点有交叉将交叉区域的热度叠加。第一种方法如果图片比较大的时候会很慢,所以一般用第二种。

3. 根据热度分配像素颜色

所谓的热度图就是根据所在位置的值的大小从颜色梯度提取合适的颜色。获取颜色梯度可以通过matplotlib的get_cmap函数,也可以用colour包下的Color函数自己定义(当然也可以用matplotlib定义,就是有点麻烦)。

下面的例子就是用上述2里面第一种结合get_cmap/Color函数将每个像素的热度转换成相应的颜色:

def density_heatmap(image, box_centers, radias=100):
import matplotlib.pyplot as plt
from colour import Color
density_range = 100
gradient = np.linspace(0, 1, density_range)
img_width = image.shape[1]
img_height = image.shape[0]
density_map = np.zeros((img_height, img_width))
color_map = np.empty([img_height, img_width, 3], dtype=int)
# get gradient color using rainbow
cmap = plt.get_cmap("rainbow") # 使用matplotlib获取颜色梯度
blue = Color("blue") # 使用Color来生成颜色梯度
hex_colors = list(blue.range_to(Color("red"), density_range))
rgb_colors = [[rgb * 255 for rgb in color.rgb] for color in hex_colors][::-1]
for i in range(img_height):
for j in range(img_width):
for box in box_centers:
dist = distance.euclidean(box, (j, i))
if dist <= radias * 0.25:
density_map[i][j] += 10
elif dist <= radias:
density_map[i][j] += (radias - dist) / (radias * 0.75) * 10
ratio = min(density_range-1, int(density_map[i][j]))
for k in range(3):
# color_map[i][j][k] = int(cmap(gradient[ratio])[:3][k]*255)
color_map[i][j][k] = rgb_colors[ratio][k]
return color_map

但是利用heatmap包可以很方便用2里面的第二种方式画热度图:

def use_heatmap(image, box_centers):
import heatmap
hm = heatmap.Heatmap()
box_centers = [(i, image.shape[0] - j) for i, j in box_centers]
img = hm.heatmap(box_centers, dotsize=200, size=(image.shape[1], image.shape[0]), opacity=128, area=((0, 0), (image.shape[1], image.shape[0])))
return img

4. 将热度图调整透明度覆盖到原图上

利用opencv函数(opencv的安装可以参考这里)里面的addWeighted函数可以实现。

frame = cv2.imread(img) # origin image
heatmap = cv2.imread(hm) # heatmap image
overlay = frame.copy()
alpha = 0.5 # 设置覆盖图片的透明度
cv2.rectangle(overlay, (0, 0), (frame.shape[1], frame.shape[0]), (255, 0, 0), -1) # 设置蓝色为热度图基本色
cv2.addWeighted(overlay, alpha, frame, 1-alpha, 0, frame) # 将背景热度图覆盖到原图
cv2.addWeighted(heatmap, alpha, frame, 1-alpha, 0, frame) # 将热度图覆盖到原图
cv2.imshow('frame', frame)
cv2.waitKey(0)

cv2.addWeighted有6个参数(具体可以看这里):第一个为需要叠加的表层图片;第二个为叠加图片的透明度,越接近1越不透明;第三个为叠加的底层图片;第4个为底层图片的透明度,为1-alpha;第5个为一个标量直接加在两张图片的加权和上面,一般直接设为0就行;第6个为最后的加权和操作后的输出的目标图片。

通过上述操作就可以拿到所需的热度图了。

参考:

http://docs.opencv.org/3.0-beta/doc/py_tutorials/py_core/py_image_arithmetics/py_image_arithmetics.html

http://jjguy.com/heatmap/

https://pypi.python.org/pypi/colour/

https://matplotlib.org/examples/color/colormaps_reference.html

http://www.pyimagesearch.com/2016/03/07/transparent-overlays-with-opencv/

http://bsou.io/posts/color-gradients-with-python

利用opencv作透明重叠人群密度热度图的更多相关文章

  1. 基于CNN的人群密度图估计方法简述

    人群计数的方法分为传统的视频和图像人群计数算法以及基于深度学习的人群计数算法,深度学习方法由于能够方便高效地提取高层特征而获得优越的性能是传统方法无法比拟的.本文简单了秒速了近几年,基于单张图像利用C ...

  2. 如何利用OpenCV自带的级联分类器训练程序训练分类器

    介绍 使用级联分类器工作包括两个阶段:训练和检测. 检测部分在OpenCVobjdetect 模块的文档中有介绍,在那个文档中给出了一些级联分类器的基本介绍.当前的指南描述了如何训练分类器:准备训练数 ...

  3. 利用OpenCV给图像添加中文标注

    利用OpenCV给图像添加中文标注 : 参考:http://blog.sina.com.cn/s/blog_6bbd2dd101012dbh.html  和https://blog.csdn.net/ ...

  4. 利用opencv源代码和vs编程序训练分类器haartraining.cpp

    如需转载请注明本博网址:http://blog.csdn.net/ding977921830/article/details/47733363. 一  训练框架 训练人脸检測分类器须要三个步骤: (1 ...

  5. php利用zookeeper作dispatcher服务器

    ===== https://blog.eood.cn/php_share_memory 最常见的apc 可以缓存php的opcode提高应用的性能,可以在同个php-fpm进程池间共享数据 常见功能: ...

  6. #利用openCV裁脸

    #利用openCV裁脸import cv2 def draw_rects(img, rects): for x, y, w, h in rects: cv2.rectangle(img, (x, y) ...

  7. python利用opencv去除水印方法

    OpenCV(Open Source Computer Vision Library)是一个跨平台计算机视觉库,实现了图像处理和计算机视觉方面的很多通用算法 在python中可以利用opencv来去除 ...

  8. 图像滑动窗口 利用opencv和matlab

    1.利用opencv实现图像滑动窗口操作 功能:利用opencv实现图像滑动窗口操作(即利用已知尺寸的窗口遍历整幅图像,形成许多子图像)  vs2015+opencv3.1  2016.10 函数实现 ...

  9. C# 利用 OpenCV 进行视频捕获 (笔记)

    原文:C# 利用 OpenCV 进行视频捕获 (笔记) 简介 这个项目是关于如何从网络摄像头或者视频文件(*.AVI)中捕获视频的,这个项目是用C#和OPENCV编写的. 这将有助于那些喜欢C#和Op ...

随机推荐

  1. Spring WebSocket教程(二)

    实现目标 这一篇文章,就要直接实现聊天的功能,并且,在聊天功能的基础上,再实现缓存一定聊天记录的功能. 第一步:聊天实现原理 首先,需要明确我们的需求.通常,网页上的聊天,都是聊天室的形式,所以,这个 ...

  2. Go Revel - Interceptors(拦截器)

    `interceptor`拦截器是revel框架在执行一个`action`的前后所调用的函数.他允许以AOP方式进行开发,这种模式非常有用: 1.记录请求日志 2.错误处理 3.状态保持 在revel ...

  3. font-face 跨域解决

    nginx 里设置@font-face 跨域 server { ... # Fix @font-face cross-domain restriction in Firefox location ~* ...

  4. yum使用过程中的常见错误

    (1) 使用yum安装相关软件包时一直提示以下错误:repodata/repomd.xml: [Errno 4] IOError: <urlopen error (113>, Error: ...

  5. Activiti Modeler初探实践

    以下内容对实践activiti很有用,不过我用的不是github下载的源码包编译出来的war包,不知道什么原因我打出来的包会有点问题.不过这不重要,换个地方下载来源就行,下载网址: http://dl ...

  6. PCL中分割_欧式分割(1)

    基于欧式距离的分割和基于区域生长的分割本质上都是用区分邻里关系远近来完成的.由于点云数据提供了更高维度的数据,故有很多信息可以提取获得.欧几里得算法使用邻居之间距离作为判定标准,而区域生长算法则利用了 ...

  7. ADO.NET实体数据模型中关于数据库字段默认值的处理

    无论是Visual Studio 2010或者2013内置的ADO.NET实体数据模型都有一个小问题:数据库中有些字段已设置了默认值,但ADO.NET实体数据模型工具并不会自动进行设置. 这时需要手工 ...

  8. OSPF中 hello报文的 内容

    邻居关系通过hello报文来建立.Hello报文中包含如下一些内容: 1.始发路由器的router-id 2.始发路由器接口的area-id 3.始发路由器接口的地址掩码 4.始发路由器接口的auth ...

  9. MY_使用selenium自动登录126/163邮箱并发送邮件

    转自:https://www.cnblogs.com/yin-tao/p/7244082.html 我使用的是python2.7.13+selenium ps:几天之前,我曾多次尝试写这段代码,但是在 ...

  10. Linux强制杀进程命令行工具

    需求, 有时候我们会有手动启动程序, 但是又在后台, 没有像服务那样有start, 和stop的程序, 这时候需要用强制杀进程方式 涉及工具, awk, sed, xargs, kill 需求一: 已 ...