opencv学习笔记（三十）反向投影

小知识：
HSV中的H分量，则大概对光线的变化会不敏感。如果选择的是V分量，当然光线的变量会影响结果了。如果选择的是图像的梯度，那就是检查纹路的了。等等。
工作原理：
简单的讲， 所谓反向投影就是首先计算某一特征的直方图模型，然后使用模型去寻找图像中存在的该特征。
我们使用肤色直方图为例来解释反向投影的工作原理:
假设你已经通过下图得到一个肤色直方图(Hue-Saturation)， 旁边的直方图就是模型直方图 (代表手掌的皮肤色调)。你可以通过掩码操作来抓取手掌所在区域的直方图:

下图是另一张手掌图(测试图像) 以及对应的整张图像的直方图:

我们要做的就是使用模型直方图 (代表手掌的皮肤色调) 来检测测试图像中的皮肤区域。以下是检测的步骤：
a.对测试图像中的每个像素 ( p(i,j) ),获取色调数据并找到该色调 在直方图中的bin的位置。
b.查询模型直方图中对应的bin - - 并读取该bin的数值。
c.将此数值储存在新的图像中(BackProjection)。 你也可以先归一化模型直方图，这样测试图像的输出就可以在屏幕显示了。
d.通过对测试图像中的每个像素采用以上步骤， 我们得到了下面的 BackProjection 结果图:

e.使用统计学的语言, BackProjection 中储存的数值代表了测试图像中该像素属于皮肤区域的 概率 。比如以上图为例， 亮起的区域是皮肤区域的概率更大(事实确实如此),而更暗的区域则表示更低的概率(注意手掌内部和边缘的阴影影响了检测的精度)。

backproject的基本过程是：
1. 拿到 特征图像 （或模板图像）
2. 得到 特征图像的直方图
3. 拿到源图像，依据源图像的每个像素的值，在特征图像的直方图中找到对应的值，然后将直方图的值赋给新的图像，backproject算法就完成了。

对于calcBackProjectPatch，整个是基于块的形式，利用直方图做匹配，类似于模板匹配，只不过这些模板转换为直方图，而原图中以某点为基准，抠出来作对比的部分也转换为直方图，两个直方图作匹配，匹配的结果作为此点的值。 结果会是一张概率图，概率越大的地方，代表此区域与模板的相似度越高。而且，当模板小于检测的目标时，得到的结果图也能反映出检测区域的形状。利用直方图的方式&