从backproject到meanshift：各自的作用

分割、识别、跟踪是图像处理中的重要应用。 一般算法步骤是检测点、线、面（区域），分割，然后根据人的先验知识进行识别。

而meanshift算法是利用颜色直方图（颜色空间），形成的目标特征，去搜索和跟踪。

backproject和meanshift算法在opencv中都有实现，而且网上的论述一抓一大把，这里就不在赘述。在理解其理论意义后，重点关注一下其作用和应用场景。

1. backproject的作用

直方图反向投影： 本质上就是利用模板的颜色空间分布，去改变源图像的像素值，进而突出源图像中与模板类似的图像特征。

所以，backproject最明显的作用就是在一整幅图像中突出目标模板的 特征。

利用backproject的结果，可以用于分割检测、跟踪目标等。

2. meanshift的作用

meanshift算法在图像中，可用于分割、轮廓检测、聚类、跟踪、带有不连续性效果的平滑等。

meanshift算法在图像中常被用作物体的跟踪，效果很不错，但其也有几个不足的地方：

a) 当被跟踪物体与背景颜色不大相同时，效果很好；但当被跟踪物体 移动到相近颜色 的背景区域时，效果就不好了。一般的处理方法，可以将静态的背景去除掉，减少背景干扰。

b) 跟踪区域大小的确定是一个难点，跟踪区域过小，就不能很好的获取整个物体的特征；而跟踪区域过大，会把其他无关的区域的特征牵扯进来。

c) 当物体与相机有位置上的相对移动时，会有景深效应，物体在图像中的大小会有变化。针对这个问题，必须