Open CV反向投影

CalcBackProject 

　　计算反向投影 void cvCalcBackProject( IplImage** image, CvArr* back_project, const CvHistogram* hist ); 

　　image 

　　输入图像 (也可以传递 CvMat** ). 

　　back_project 

　　反向投影图像，与输入图像具有同样类型. 

　　hist 直方图 

　　函数 cvCalcBackProject 直方图的反向投影. 对于所有输入的单通道图像同一位置的象素数组，该函数根据相应的象素数组(RGB)，放置其对应的直方块的值到输出图像中。用统计学术语，输出图像象素点的值是观测数组在某个分布（直方图）下的的概率。 例如，为了发现图像中的红色目标，可以这么做： 对红色物体计算色调直方图，假设图像仅仅包含该物体。则直方图有可能有极值，对应着红颜色。 

　　对将要搜索目标的输入图像，使用直方图计算其色调平面的反向投影，然后对图像做阈值操作。 

　　在产生的图像中发现连通部分，然后使用某种附加准则选择正确的部分，比如最大的连同部分。 

　　这是 Camshift 彩色目标跟踪器中的一个逼进算法，除了第三步，CAMSHIFT 算法使用了上一次目标位置来定位反向投影中的目标。 

　　CalcBackProjectPatch 

　　用直方图比较来定位图像中的模板 void cvCalcBackProjectPatch( IplImage** image, CvArr* dst, CvSize patch_size, CvHistogram* hist, int method, float factor ); 

　　image 

　　输入图像 (可以传递 CvMat** ) 

　　dst 

　　输出图像. 

　　patch_size 

　　扫描输入图像的补丁尺寸 

　　hist 直方图 method 

　　比较方法，传递给 cvCompareHist (见该函数的描述). 

　　factor 

　　直方图的归一化因子，将影响输出图像的归一化缩放。如果为 1，则不定。 

　　函数 cvCalcBackProjectPatch 通过输入图像补丁的直方图和给定直方图的比较，来计算反向投影。提取图像在 ROI 中每一个位置的某种测量结果产生了数组 image. 这些结果可以是色调, x 差分, y 差分, Laplacian 滤波器, 有方向 Gabor 滤波器等中 的一个或多个。每种测量输出都被划归为它自己的单独图像。 image 图像数组是这些测量图像的集合。一个多维直方图 hist 从这些图像数组中被采样创建。最后直方图被归一化。直方图 hist 的维数通常很大等于图像数组 image 的元素个数。 在选择的 ROI 中，每一个新的图像被测量并且转换为一个图像数组。在以锚点为"补丁"中心的图像 image 区域中计算直方图 （如下图所示）。用参数norm_factor 来归一化直方图，使得它可以与 hist 互相比较。计算出的直方图与直方图模型互相比较，（hist 使用函数 cvCompareHist ，比较方法是 method=method). 输出结果被放置到概率图像 dst 补丁锚点的对应位置上。这个过程随着补丁滑过整个 ROI 而重复进行。迭代直方图的更新可以通过在原直方图中减除"补丁"已覆盖的尾象素点或者加上新覆盖的象素点来实现，这种更新方式可以节省大量的操作，尽管目前在函数体中还没有实现。 Back Project Calculation by Patches 

　　

　　CalcProbDensity 

　　两个直方图相除 void cvCalcProbDensity( const CvHistogram* hist1, const CvHistogram* hist2, CvHistogram* dst_hist, double scale=255 ); 

　　hist1 

　　第一个直方图(分子). 

　　hist2 

　　第二个直方图 

　　dst_hist 

　　输出的直方图 

　　scale 

　　输出直方图的尺度因子 

　　函数 cvCalcProbDensity 从两个直方图中计算目标概率密度： dist_hist(I)=0 if hist1(I)==0 scale if hist1(I)!=0 && hist2(I)>hist1(I) hist2(I)*scale/hist1(I) if hist1(I)!=0 && hist2(I)<=hist1(I) 

　　所以输出的直方块小于尺度因子。