直方图反向投影算法详解与基于opencv的实现

直方图反向投影算法详解

概念

反向投影是一计算像素和指定直方图模型中像素吻合度的一种方法。简单的讲，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。例如，你有一个肤色直方图（Hue-Saturation直方图），你可以用它来寻找图像中的肤色区域。

从统计学的视角来看，如果将输入的直方图视为某个物体上特定的向量（颜色）的一个（先验）概率分布，那么投影就是计算图片上某个指定部分来自该先验分布（即属于物体的一部分）的概率。

设有原灰度图像矩阵：

Image=
1 2 3 4
5 6 7 7
9 8 0 1
5 6 7 6
将灰度值划分为如下四个区间：
[0,2] [3,5] [6,7] [8,10]
很容易得到这个图像矩阵的直方图 hist=4 4 6 2
下来，计算反向投影矩阵（反向投影矩阵的大小和原灰度图像矩阵的大小相同）：
原图相中坐标为（0,0）的灰度值为1,1位于区间[0,2]中，区间[0,2]对应的直方图值为4，所以反向投影矩阵中坐标为（0,0）的值记为4。按照这个方法，依次映射，即可得到image的直方图方向投影矩阵为：
back_Projection=
4 4 4 4
4 6 6 6
2 2 4 4
4 6 6 6

直方图的反向投影代表了什么？

实际上是将图像的256个灰度值置为很少的几个值了，具体有