OpenCV Python 直方图 反向投影
用于图像分割和查找感兴趣目标。简单的说，会创建一个与输入图像同样大小的图像（单通道），每个像素对应像素属于目标的概率。更简单的说就是，输出图像在感兴趣的目标处更白。常常与 camshift 算法一起使用，用于目标跟踪（查找目标）
如何使用呢？创建一个图像的直方图，包含了感兴趣目标，目标必须尽可能充满图像，效果会更好。颜色直方图优于灰度直方图，因为对象的颜色比其灰度强度更适合定义对象。然后，我们反向投影这个直方图去测试图像上查找这个目标。换句话说，我们计算每个像素属于地面的概率并显示它，结果显示我们需要的地面。
import numpy as np
import cv2
img = cv2.imread("assets/messi5.jpg")
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
ground_patch = cv2.imread("assets/messi_ground.png")
ground_hsv = cv2.cvtColor(ground_patch, cv2.COLOR_BGR2HSV)
# 计算目标的直方图
ground_hist = cv2.calcHist([ground_hsv], [0, 1], None, [180, 256], [0, 180, 0, 256])
# 归一化
cv2.normalize(ground_hist, ground_hist, 0, 255, cv2.NORM_MINMAX)
# 反向投影
dst = cv2.calcBackProject([hsv], [0, 1], ground_hist, [0, 180, 0, 256], 1)
# 对投影图像做一些处理
ele = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))
cv2.filter2D(dst, -1, ele, dst)
ret, thresh = cv2.threshold(dst, 50, 255, cv2.THRESH_BINARY)
# threshcolor = cv2.merge((thresh, thresh, thresh))
threshcolor = cv2.cvtColor(thresh, cv2.COLOR_GRAY2BGR)
result = cv2.bitwise_and(threshcolor, img)
result = np.hstack((img, threshcolor, result))
cv2.imshow("result", result)
# cv2.imshow("src", img)
cv2.imshow("patch", ground_patch)
cv2.waitKey(0)
cv2.destroyAllWindows()计算直方图的反向投影，其中一个参数是目标的直方图，是需要查找的目标。目标的直方图在传入之前需要归一化，返回一个概率图。然后用个特殊的核进行卷积，并进行阈值化。
images: 输入图像数组，是一个list
channels: 用于计算反向投影的通道，必须与待计算直方图通道来源一致；
hist: 输入的直方图（待检目标的直方图）
ranges: 与 calcHist 意思相同
scale: 可选参数，越大越精确
Lnton 羚通直方图反向投影可以用于目标跟踪、图像分割和图像识别等任务。它对颜色特征敏感，适用于处理具有明显颜色分布的图像。
在实际应用中，OpenCV 是一个流行的计算机视觉库，提供了直方图反向投影的实现方法和函数。您可以使用 OpenCV 中的 cv2.calcBackProject() 函数来进行直方图反向投影的计算和处理。
