少有人走的路什么是反射投影
反射投影是记录给定图像中像素点如何适应直方图模型像素分布的方式（估计你看了这句话还是不懂）。
英文的解释是这样的：a way of recording how well the pixels of a given image fit the distribution of pixels in a histogram model.（还是不懂？）
简单地讲就是就是先计算某一特征的直方图模型，然后使用这个模型去寻找图像中存在的该特征。
这个名词中的“反向”，“投影”怎么分别是什么意思，应该如何解释？
首先我们已经通过色度直方图计算得到了一个肤色的直方图，通过掩码操作就可以抓取手掌所在区域的直方图了。
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( ( h_{i,j}, s_{i,j} ) )在直方图中的bin的位置。查询 模型直方图 中对应的bin - ( h_{i,j}, s_{i,j} ) - 并读取该bin的数值。这个过程就叫反向，因为我们后面就要用这个bin来投影出目标特征。
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 。比如以下图为例， 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)。这个过程就投影仪投射出的图片，我们叫做投影。
举个小例
(1)例如灰度图像如下
Image=
0 1 2 3
4 5 6 7
8 9 10 11
8 9 14 15
(2)该灰度图的直方图为（bin指定的区间为[0,3)，[4,7)，[8,11)，[12,16)）
Histogram=
4 4 6 2
(3)反向投影图
Back_Projection=
4 4 4 4
4 4 4 4
6 6 6 6
6 6 2 2
例如位置(0,0)上的像素值为0，对应的bin为[0,3)，所以反向直方图在该位置上的值这个bin的值4。
所以我们看到手的颜色这么亮是因为之气那这个区域的面积很大。
整个过程就叫做反向投影。
作用：
找到或跟踪一个色彩鲜艳的物体。
相关API：
oid calcBackProject(const Mat* images, int nimages, const int* channels, InputArray hist, OutputArray backProject, const float** ranges, double scale=1, bool uniform=true )
参数解释：
images 所有的mat都应该有相同的深度和大小。
nimages 源图像的数目
channels 用于计算反向投影的通道列表。通道数必须和直方图位数相匹配。
hist 输入直方图。
backProject 最终反向投影的单通道数组，大小和深度与image[0]相同
ranges 直方图bin的边界范围
scale 输出反射投影的缩放因子
代码：
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <iostream>
using namespace cv;
using namespace std;
/// 全局变量
Mat src; Mat hsv; Mat hue;
int bins = 25;
/// 函数申明
void Hist_and_Backproj(int, void* );
/** @函数 main */
int main( int argc, char** argv )
{
/// 读取图像
src = imread( "1.png", 1 );
/// 转换到 HSV 空间
cvtColor( src, hsv, CV_BGR2HSV );
/// 分离 Hue 通道
hue.create( hsv.size(), hsv.depth() );
int ch[] = { 0, 0 };
mixChannels( &hsv, 1, &hue, 1, ch, 1 ); //使用Hue通道来创建1维直方图
/// 创建 Trackbar 来输入bin的数目
char* window_image = "Source image";
namedWindow( window_image, CV_WINDOW_AUTOSIZE );
createTrackbar("1", window_image, &bins, 180, Hist_and_Backproj );
Hist_and_Backproj(0, 0);
/// 现实图像
imshow( window_image, src );
/// 等待用户反应
waitKey(0);
return 0;
}
/**
* @函数 Hist_and_Backproj
* @简介：Trackbar事件的回调函数
*/
void Hist_and_Backproj(int, void* )
{
MatND hist;
int histSize = MAX( bins, 2 );
float hue_range[] = { 0, 180 };
const float* ranges = { hue_range };
/// 计算直方图hist并归一化
calcHist( &hue, 1, 0, Mat(), hist, 1, &histSize, &ranges, true, false );
normalize( hist, hist, 0, 255, NORM_MINMAX, -1, Mat() );
/// 计算反向投影
MatND backproj;
calcBackProject( &hue, 1, 0, hist, backproj, &ranges, 1, true );
/// 显示反向投影
imshow( "BackProj", backproj );
/// 显示直方图
int w = 400; int h = 400;
int bin_w = cvRound( (double) w / histSize );
Mat histImg = Mat::zeros( w, h, CV_8UC3 );
for( int i = 0; i < bins; i ++ )
{ rectangle( histImg, Point( i*bin_w, h ), Point( (i+1)*bin_w, h - cvRound( hist.at<float>(i)*h/255.0 ) ), Scalar( 0, 0, 255 ), -1 ); }
imshow( "Histogram", histImg );
}————————————————
版权声明：本文为CSDN博主「南山二毛」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/qq_16481211/article/details/79636873
