目標：
一、概念：
反向投影是一種記錄給定影象中的畫素點如何適應直方圖模型畫素分布的方式。
簡單的講，就是首先計算某一特徵的直方圖模型，然後使用模型去尋找影象中存在的該特徵。
例如，你有乙個膚色直方圖（hue-saturation直方圖），你可以用它來尋找影象中的膚色區域
1、直方圖反向投影矩陣的計算方法：
什麼是反向投影？它可以實現什麼功能？
如何使用opencv函式calcbackproject計算反向投影？
如何使用opencv函式mixchannels組合影象的不同通道？
設有原灰度影象矩陣：
image=
1 2 3 4
5 6 7 7
9 8 0 1
5 6 7 6
將灰度值劃分為如下四個區間：
[0,2] [3,5] [6,7] [8,10]
很容易得到這個影象矩陣的直方圖 hist=4 4 6 2
下來，計算反向投影矩陣（反向投影矩陣的大小和原灰度影象矩陣的大小相同）：
原圖相中座標為（0,0）的灰度值為1,1位於區間[0,2]中，區間[0,2]對應的直方圖值為4，所以反向投影矩陣中座標為（0,0）的值記為4。按照這個方法，依次對映，即可得到image的直方圖方向投影矩陣為：
back_projection=
4 4 4 4
4 6 6 6
2 2 4 4
4 6 6 6
2、直方圖的反向投影到底代表了什麼？
實際上是將影象的256個灰度值置為很少的幾個值了，具體有幾個值，要看把0~255劃分為多少個區間！反向投影中某點的值就是它對應的原影象中的點所在區間的灰度直方圖值。所以，乙個區間點越多，在反向投影矩陣中就越亮。
反向投影中的「反向」指的是從直方圖值到反向投影矩陣對映的過程。
通過反向投影，原始的影象被簡化了，而這個簡化的過程實際上就是提取出影象的某個特徵。所以我們就可以用這個特徵來對比兩幅圖，如果兩幅圖的反向投影矩陣相似或相同，那麼我們就可以判定這兩幅圖這個特徵是相同的。
且n等於直方圖中bin的個數。
b.卡方係數的標準（method=cv_comp_chisqr）值越小，相關度越高，最大值無上界，最小值0；
c.相交係數的標準（method=cv_comp_intersect）值越大，相關度越高，最大值為9.455319，最小值為0；
d.巴氏係數（bhattacharyya）的標準（method=cv_comp_bhattacharyya）值越小，相關度越高，最大值為1，最小值為0
使用膚色直方圖為例來解釋反向投影的工作原理：
假設你已經通過下圖得到乙個膚色直方圖（hue-saturation）,旁邊的直方圖就是模型直方圖（代表手掌的**色調）。你可以通過掩碼操作來抓取手掌所在區域的直方圖;
下圖是另一張手掌圖（測試影象）以及對應的整張影象的直方圖：
我們要做的就是使用模型直方圖（代表手掌的**色調）來檢測測試影象中的**區域。以下是步驟：
對測試影象中的每個畫素（p(i,j)），獲取色調資料並找到該色調（h
i,j,s
i,j）在直方圖中的bin的位置；
查詢模型直方圖中對應的bin-(h
i,j,s
i,j）並讀取該bin的數值；
將此數值儲存在新的影象中（backprojection）。你也可以先歸一化模型直方圖，這樣測試影象的輸出就可以在螢幕顯示了；
通過對測試影象中的每個畫素採用以上步驟，我們得到了下面的backprojection結果圖：
使用統計學的語言，backprojection中儲存的數值代表了測試影象中該畫素屬於**區域的概率。比如上圖為例，亮起的區域是**區域的概率更大，而更暗的區域則表示更低的概率（注意手掌內部和邊緣的陰影影響了檢測的精度）。
偏振投影機的原理
起因 老師在努力重合螢幕上的兩個網格的所有線，說要矯正投影儀的問題。出於好奇。3d電影原理 電影拍攝時用的就是兩個攝像頭的專業相機分別對應左右眼，投影時想辦法分別讓左眼看到左邊的圖，右眼看到右邊的圖 兩隻眼睛才能看到3維世界的原理 頭戴式手機vr就是最簡單的一種。說明3d電影給人左右眼的影象是有差別...
基於反向投影的膚色學習以及手勢模型建立
在室內條件下，用一些手和臉來建立h s直方圖 膚色的直方圖 利用函式calcbackproject 來找到膚色區域，分別代表了不同手勢 對所找到的手勢進行直方圖建立模型，從而可作為後續輸入手勢的手勢識別器。首先是膚色直方圖的建，我使用的是如左下圖所示的 影象，可以計算出其二維直方圖，作為膚色的描述子...
反向傳播演算法 反向傳播演算法的工作原理（2）
推薦圖書 資料準備和特徵工程 在第一部分 反向傳播演算法的工作原理 1 已經得到了如下結論，本文將在前述基礎上，做進一步的證明和解釋。其中 是乙個方陣，其對角線是 非對角線項為零。請注意，此矩陣通過矩陣乘法作用於 有上面糧食，可得 對於熟悉矩陣乘法的讀者來說，這個方程可能比 bp1 和 bp2 更容...