【opencv】教程代码 —Histograms_Matching（1）反向投影：在给定图像中寻找特定的颜色或颜色分布…

1.calcBackProject_Demo1.cpp反向投影函数的使用

/**
 * @file BackProject_Demo1.cpp
 * @brief 示例代码，演示反向投影函数的使用
 * @author OpenCV团队
 */


#include "opencv2/imgproc.hpp" // 包括图像处理相关功能的头文件
#include "opencv2/imgcodecs.hpp" // 包括图像编码解码相关功能的头文件
#include "opencv2/highgui.hpp" // 包括高层GUI (图形用户界面) 功能的头文件


#include  // 包括标准输入输出流相关功能的头文件


using namespace cv; // 使用OpenCV命名空间中的内容，简化代码
using namespace std; // 使用标准命名空间中的内容，简化代码


/// 全局变量
Mat hue; // 创建一个Mat对象用来存储图像的色调(hue)通道
int bins = 25; // 设定直方图的柱子个数为25


/// 函数头
void Hist_and_Backproj(int, void* );


/**
 * @function ma服务器托管in
 */
int main( int argc, char* argv[] )
{
    //! [读取图像]
    CommandLineParser parser( argc, argv, "{@input |Back_Projection_Theory0.jpg| 输入图像}" );
    samples::addSamplesDataSearchSubDirectory("doc/tutorials/imgproc/histograms/back_projection/images");
    Mat src = imread(samples::findFile(parser.get( "@input" )) );
    if( src.empty() )
    {
        cout " (i)*h/255.0 ) ),
                   Scalar( 0, 0, 255 ), FILLED );
    }


    imshow( "Histogram", histImg );
    //! [绘制直方图]
}

此段代码是一个使用C++和OpenCV库编写的示例程序，用于演示如何做图像的色调部分直方图并进行反向投影。主要步骤如下：

1. 从指定路径读取图像。

2. 将图像从BGR颜色空间转换到HSV颜色空间。

3. 提取HSV空间中的色调（Hue）通道。

4. 创建一个滑动条，用于选择直方图中的柱子数量。

5. 计算色调通道的直方图并对其进行归一化处理。

6. 根据直方图计算反向投影图像，并显示它。

7. 绘制直方图的图像，并显示。

这对于理解图像中颜色的分布非常有用，也常用于物体追踪等应用场合。

直方图函数

如何使用calcHist函数计算二维直方图？

normalize( hist, hist, 0, 255, NORM_MINMAX, -1, Mat() );

2.calcBackProject_Demo2.cpp

```cpp
/**
 * @file BackProject_Demo2.cpp
 * @brief 示例代码，演示backproject函数的使用(更多细节)
 * @author OpenCV团队
 */


// 包含OpenCV头文件
#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"


#include  // 包含标准输入输出流库


// 使用OpenCV和标准命名空间
using namespace cv;
using namespace std;


/// 全局变量
Mat src, hsv, mask; // 分别声明原图像，HSV图像，以及掩模


int low = 20, up = 20; // 声明阈值的下限和上限
const char* window_image = "Source image"; // 声明显示原图像窗口的名称


/// 函数头定义
void Hist_and_Backproj( ); // 历史和反向投影函数
void pickPoint (int event, int x, int y, int, void* ); // 鼠标点击事件处理函数


/**
 * @function main
 */
int main( int, char** argv )
{
    /// 读取图像
    src = imread( argv[1] );


    /// 转换到HSV颜色空间
    cvtColor( src, hsv, COLOR_BGR2HSV );


    /// 显示图像
    namedWindow( window_image );
    imshow( window_image, src );


    /// 为floodfill阈值设置滑动条
createTrackbar("Lowthresh",window_image,&low,255,0);
    createTrackbar( "High thresh", window_image, &up, 255, 0 );
    /// 设置鼠标回调
    setMouseCallback( window_image, pickPoint, 0 );


    waitKey();
    return 0;
}


/**
 * @function pickPoint
 */
void pickPoint (int event, int x, int y, int, void* )
{
    if( event != EVENT_LBUTTONDOWN )
    {
        return;
    }


    // 填充并获取掩模
    Point seed = Point( x, y ); // 定义种子点


    int newMaskVal = 255;
    Scalar newVal = Scalar( 120, 1服务器托管20, 120 ); // 定义floodFill填充的新颜色


    int connectivity = 8;
    int flags = connectivity + (newMaskVal 

这段代码属于OpenCV图像处理领域，演示了如何通过交互设置阈值，并使用HSV颜色空间对图像中的感兴趣区域进行反向投影。程序主要包含以下功能：1. 读取并显示原始图像；2. 将原始BGR图像转换为HSV颜色空间；3. 使用滑动条设置floodfill操作的上下阈值；4. 通过鼠标点击设置floodfill的种子点，并在图像上应用掩模提取感兴趣区域；5. 对提取的区域计算HSV直方图并归一化；6. 使用直方图的反向投影，绘制对应的反向投影图像。整个过程涉及了图像的读取、显示、颜色空间转换、交互式元素添加、直方图计算以及反向投影等操作。

int flags = connectivity + (newMaskVal 

calcHist( &hsv, 1, channels, mask, hist, 2, histSize, ranges, true, false );

floodFill( src, mask2, seed, newVal, 0, Scalar( low, low, low ), Scalar( up, up, up), flags );

在什么情况下使用反向投影技术

如何计算一个参考直方图来使用反向投影技术？

参考直方图的归一化有什么作用？

calcBackProject( &hsv, 1, channels, hist, backproj, ranges, 1, true );