直方图 - 3：直方图反投影

目标

• 我们将了解直方图反投影。

理论

由Michael J. Swain，Dana H. Ballard在其论文通过颜色直方图编制索引中提出。

用简单的语言来说它实际上是什么？它用于图像分割或在图像中寻找感兴趣的对象。简而言之，它创建了一幅与输入图像大小相同（但单通道）的图像，其中每个像素对应于该像素属于我们对象的概率。用更简单的话来说，输出图像中，我们感兴趣的对象将比其他部分更白。当然，这是一个直观的解释。(我无法让它变得更简单)。直方图反投影与 CamShift 算法等结合使用。

我们如何做到这一点？我们创建一个包含我们感兴趣对象的图像的直方图（在我们的例子中，地面留给玩家和其他事物）。为了获得更好的结果，对象应尽可能填充图像。而且，彩色直方图优于灰度直方图，因为对象的彩色比其灰度强度更能定义对象。然后，我们将此直方图“反投影”到我们需要找到对象的测试图像上，换句话说，我们计算每个像素属于地面的概率并显示它。在适当的阈值化上产生的输出结果只有地面。

在 OpenCV 中反投影

我们使用这些函数：cv.calcBackProject（图像，通道，直方图，目标，范围，比例）

参数

图像	源阵列。它们都应具有相同的深度，cv.CV_8U，cv.CV_16U 或 cv.CV_32F，并且大小相同。它们每个人都可以有任意数量的通道。
通道	用于计算反投影的通道列表。通道的数量必须与直方图维数相匹配。
直方图	输入直方图，可以是稠密的或稀疏的。
目标	目标反投影阵列，它是与 images[0] 相同大小和深度但单通道的阵列。
范围	每个维度的直方图箱界限的阵列（参见 cv.calcHist）。
比例	输出反投影的可选比例因子。

cv.normalize (src, dst, alpha = 1, beta = 0, norm_type = cv.NORM_L2, dtype = -1, mask = new cv.Mat())

参数

src	输入数组。
目标	与 src 大小相同的输出数组。
alpha	要标准化的范数值，或者在范围标准化中是下限范围。
beta	在范围标准化中是上限范围；在范数标准化中不使用。
norm_type	标准化类型（参见 cv.NormTypes）。
dtype	为负值时，输出数组的类型与 src 相同；否则，输出数组的通道数与 src 相同，并且深度 = CV_MAT_DEPTH(dtype)。
mask	可选的操作掩码。

尝试一下