今天上午，结合OpenCV自带的camshitf例程，简单的对camshitf有了一个大致的认识和理解，现总结如下：
1：关于HSV
H指hue（色相）、S指saturation（饱和度）、V指value(色调)。
- 色相（H）是色彩的基本属性，就是平常所说的颜色名称，如红色、黄色等；
- 饱和度（S）是指色彩的纯度，越高色彩越纯，低则逐渐变灰，取0-100%的数值；
- 明度（V）取0-100%。
RGB 和 CMYK 分别是加法原色和减法原色模型，以原色组合的方式定义颜色，而 HSV 以人类更熟悉的方式封装了关于颜色的信息：“这是什么颜色？深浅如何？明暗如何？”。
2：关于Camshift算法的实现过程
Camshift的过程主要包含了3个部分：
- Back Projection(反投影)
Camshift的原理是根据关注区域的颜色(hue)的直方图来进行跟踪，所以Back Projection的过程从结果上来将就是得到hue的直方图，或者是颜色的概率分布的。什么叫做Back Projection？ Back Projection 就是将hue直方图转换成hue(色彩)概率分布图。具体的步骤分为：
1）:将原始RGB图像转换颜色空间到HSV色彩空间上
2）:将hsv中的h分量提取出来的
3）:计算出指定区域的hue直方图——直方图代表了不同H分量取值出现的概率，或者说可以据此查找出H分量的大小为x时的概率或像素个数，即，得到颜色概率查找表
4）:Back Projection过程——将图像中每个像素的值用其颜色出现的概率进行替换，由此得到颜色概率分布图
- MeanShift
1）:设置初始化窗口
2）:计算这个窗口的重心(xc,yc)
3）:将窗口的中心移到重心上面去。(中心就是窗口的矩形两个对角线 的交叉点)
4）:重复上面的2和3的步骤，知道最后窗口的位置不再变换为止.
- Camshift
对于Camshift(Continuously Adaptive Mean-Shift)的基本原理是对视频图像的所有帧作MeanShift运行，并将上一帧的结果作为下一帧的初始化初始化窗口，如此迭代就可以进行跟踪了。
3：代码
结合OpenCV自带的camshitf例程，用代码实现camshitf算法过程：
1 //变量声明
2 Rect trackWindow;
3 RotatedRect trackBox;
4 int hsize = 16;
5 int ch[] = {0, 0};
6 float hranges[] = {0,180};
7 const float* phranges = hranges;
8
9 Mat image, hsv, hue, mask, hist;//image为摄像头或是用户加载的获得的图片
10
11 cvtColor(image, hsv, CV_BGR2HSV);
12 inRange(hsv, Scalar(0, smin, MIN(_vmin,_vmax)),Scalar(180, 256, MAX(_vmin, _vmax)), mask);
13 hue.create(hsv.size(), hsv.depth());
14 mixChannels(&hsv, 1, &hue, 1, ch, 1);
15 calcHist(&hue, 1, 0, mask, hist, 1, &hsize, &phranges);
16 normalize(hist, hist, 0, 255, CV_MINMAX);
17
18 calcBackProject(&hue, 1, 0, hist, backproj, &phranges);
19 backproj &= mask;
20 RotatedRect trackBox = CamShift(backproj, trackWindow,
21 TermCriteria(CV_TERMCRIT_EPS | CV_TERMCRIT_ITER, 10, 1 ));
对于该行代码：
1 inRange(hsv, Scalar(0, smin, MIN(_vmin,_vmax)),Scalar(180, 256, MAX(_vmin, _vmax)), mask);inRange函数的功能是检查输入数组每个元素大小是否在2个给定数值之间，可以有多通道,mask保存0通道的最小值，也就是h分量；这里利用了hsv的3个通道，比较h,0~180,s,smin~256,v,min(_vmin,_vmax),max(_vmin,_vmax)。如果3个通道都在对应的范围内，则mask对应的那个点的值全为1(0xff)，否则为0(0x00).
