直方图反向投影学习-----个人理解（你究竟是不是凶手）

今天重新学习了一下反向直方图，个人是这样理解的：通过计算模型（现场证据）的图像直方图，再计算待测试（嫌疑人）的图像直方图，然后将嫌疑人的直方图映射到现场证据的直方图中，再将结果显示出来。

 原理可以看一下别人的：https://blog.csdn.net/fengye2two/article/details/79113560

直方图归一化那么对应的直方图高度就是概率咯，如果你的待测试对象的结果值很大（或者说你的图像更亮），那么说明你是凶手的嫌疑很大！

不过前提是在手掌局部进行绘制直方图，如果对整个图像绘制直方图，你会发现bin值（横坐标）很小的地方，其值也可能很大，因为图上不仅只有手掌部分，还有其他四个角的地方。

参考官方文档：

下面附上可直接运行的代码和测试图片 1 #include <opencv2/opencv.hpp>

#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>
#include <Vector>
#include <string>

using namespace std;
using namespace cv;//这句话必须加入，如果不加入，则下面的统一写成cv::
 
Mat src, hsv, hue, test, test_hue;
const char* window_image = "input image";
int bins = 180;
int main()
{
    src = imread("d:/img/hand.jpg");
    test = imread("d:/img/hand2.jpg");
    namedWindow(window_image, CV_WINDOW_AUTOSIZE);
    namedWindow("test image", CV_WINDOW_AUTOSIZE);
    namedWindow("BackProject", CV_WINDOW_AUTOSIZE);
    namedWindow("Histogram", CV_WINDOW_AUTOSIZE);//histogram 柱状图
    imshow(window_image, src);
    imshow("test image", test);

    //将BGR图像转化为HSV图像
    cvtColor(src, hsv, CV_BGR2HSV);
    hue.create(hsv.size(), hsv.depth());
    int nchannels[] = { 0, 0 };
    mixChannels(&hsv, 1, &hue, 1, nchannels, 1);

    //这是待检测图像
    cvtColor(test, test, CV_BGR2HSV);
    test_hue.create(test.size(), test.depth());
    //int nchannels[] = { 0, 0 };
    mixChannels(&test, 1, &test_hue, 1, nchannels, 1);

    //计算demo的直方图
    float range[] = { 0,180 };
    const float *histRanges = { range };
    Mat h_hist;
    calcHist(&hue, 1, 0, Mat(), h_hist, 1, &bins, &histRanges, true, false);
    normalize(h_hist, h_hist, 0, 255, NORM_MINMAX, -1, Mat());

    //将test的图像根据h_hist，计算反向直方图结果
    Mat backProjImage;
    calcBackProject(&test_hue, 1, 0, h_hist, backProjImage, &histRanges, 1, true);
    imshow("BackProject", backProjImage);

    int hist_h = 400;
    int hist_w = 400;
    Mat histImage;
    histImage.create(hist_w, hist_h, CV_8UC3), Scalar(0, 0, 0);
    int bin_w = (hist_w / bins);
    for (int i = 1; i < bins; i++) {
        rectangle(histImage,
            Point((i - 1)*bin_w, (hist_h - cvRound(h_hist.at<float>(i - 1)*(400 / 255)))),
            Point(i*bin_w, hist_h),
            Scalar(0, 0, 255), -1);
    }
    imshow("Histogram", histImage);

    imshow(window_image, src);

    waitKey(0);
    return 0;
}

图片：第一张为demo，第二张为test

结果：

以上是个人学习理解，本人也是小白一枚，若大佬们发现有错误，请多多还请多多包涵多多指教！！！