图像处理——反向投影

首先感谢以下三位的博文帮助我理解反向投影。

（1）yee_yj    http://blog.csdn.net/yee_yj/article/details/6035913

（2）viewcode   http://blog.csdn.net/viewcode/article/details/8209067

（3）幻语星云  http://blog.sina.com.cn/s/blog_8902954301017bki.html

反向投影图就是图像对应位置像素的数量统计，也可以看做是密度统计。 反向投影图在某一位置的值是原图对应位置的像素值在原图的总数目。

例如位置（0,0）上的像素值0，对应的bin为[0，4），直方图统计出位于[0，4）的像素值的Histogram为4，所以其反向投影图的值即为4；位置（3，,3）上的像素值15，对应的bin为[12，16），直方图统计出位于[12，16）的像素值的Histogram为2，所以其反向投影图的值即为2。

反向投影：一种记录给定图像中的像素点如何适应直方图模型像素分布的方式。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。”

backproject是直接取直方图Histogram中的值，即以灰度为例，某种灰度值在整幅图像中所占面积越大，其在直方图中的值越大，backproject时，其对应的像素的新值越大（越亮），反过来，某灰度值所占面积越小，其新值就越小。

 反向投影用于在输入图像（通常较大）中查找特定图像（通常较小或者仅1个像素，以下将其称为模板图像）最匹配的点或者区域，也就是定位模板图像出现在输入图像的位置。查找的方式就是不断的在输入图像中切割跟模板图像大小一致的图像块，并用直方图对比的方式与模板图像进行比较。

假设我们有一张100x100的输入图像，有一张10x10的模板图像，查找的过程是这样的：
（1）从输入图像的左上角(0,0)开始，切割一块(0,0)至(10,10)的临时图像；
（2）生成临时图像的直方图；
（3）用临时图像的直方图和模板图像的直方图对比，对比结果记为c；
（4）直方图对比结果c，就是结果图像(0,0)处的像素值；
（5）切割输入图像从(0,1)至(10,11)的临时图像，对比直方图，并记录到结果图像；
（6）重复（1）～（5）步直到输入图像的右下角。

反向投影的结果包含了：以每个输入图像像素点为起点的直方图对比结果。可以把它看成是一个二维的浮点型数组，二维矩阵，或者单通道的浮点型图像。

void cvCalcBackProjectPatch( 
        IplImage** image,   /*输入图像：是一个单通道图像数组，而非实际图像*/
        CvArr* dst,         /*输出结果：是一个单通道32位浮点图像，它的宽度为W-w+1，高度为H-h+1，这里的W和H是输入图像的宽度和高度，w和h是模板图像的宽度和高度*/
        CvSize patch_size,  /*模板图像的大小：宽度和高度*/
        CvHistogram* hist,  /*模板图像的直方图：直方图的维数和输入图像的个数相同，并且次序要一致；例如：输入图像包含色调和饱和度，那么直方图的第0维是色调，第1维是饱和度*/
        int method,         /*对比方式：跟直方图对比中的方式类似，可以是：CORREL（相关）、CHISQR（卡方）、INTERSECT（相交）、BHATTACHARYYA*/
        float factor        /*归一化因子，一般都设置成1，否则很可能会出错；中文、英文以及各路转载的文档都错了，这个参数的实际类型是double，而非float，我看了源代码才搞定这个地方*/
    )