直方圖反向投影是一種利用顏色分布找出特定區域的技術。
常用於目標檢測與追蹤，例如：從一張大圖中找出某個物體，或鎖定影片中出現的特定顏色範圍。此方法能根據顏色特徵快速定位目標。

🖼 測試圖片準備

請準備兩張圖片：

• roi.jpg → 代表要找的目標（ROI，Region of Interest），例如房子與草地。
• target.jpg → 包含目標的大場景，例如天空、山、房子、草地及河流。
  將兩張圖放在同一個資料夾。

import cv2

# 讀取 ROI（目標區域）與大圖
roi = cv2.imread('roi.jpg')
target = cv2.imread('target.jpg')

cv2.imshow('ROI', roi)
cv2.imshow('Target', target)

# 將以下程式碼放在所有顯示語句的最後面
cv2.waitKey()
cv2.destroyAllWindows()

這裡使用的原圖ROI如下

這裡使用的原圖target如下

🔹 1. 設定 ROI 並計算其直方圖

# 轉換成 HSV 色彩空間
hsv_roi = cv2.cvtColor(roi, cv2.COLOR_BGR2HSV)
hsv_target = cv2.cvtColor(target, cv2.COLOR_BGR2HSV)
# 計算 ROI 的 HSV 直方圖（只針對 H 與 S 通道，忽略亮度）
roi_hist = cv2.calcHist([hsv_roi], [0, 1], None, [180, 256], [0, 180, 0, 256])
# 正規化到 0~255，提升匹配穩定性
roi_hist = cv2.normalize(roi_hist, roi_hist, 0, 255, cv2.NORM_MINMAX)

📌 參數說明

• cv2.calcHist：計算指定通道的顏色分布直方圖。
• cv2.normalize：將直方圖數值標準化，便於後續比對。

🔹 2. 執行直方圖反向投影

# 使用直方圖反向投影，找出 ROI 在 target 中的可能區域
dst = cv2.calcBackProject([hsv_target], [0, 1], roi_hist, [0, 180, 0, 256], 1)
# 應用濾波與閾值化，讓結果更清晰
disc = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5,5))
dst = cv2.filter2D(dst, -1, disc)
# 二值化
_, thresh = cv2.threshold(dst, 50, 255, cv2.THRESH_BINARY)
# 將二值化結果與原圖結合，僅保留匹配區域
res = cv2.bitwise_and(target, target, mask=thresh)

cv2.imshow('BackProjection', res)

🔹 3. 結果解讀

• dst：顯示 ROI 在 target 內的「匹配程度」，灰階值越高代表越相似。
• res：只保留匹配區域的彩色部分，便於目標定位。
  📌 這能幫助我們快速找出大圖中可能出現 ROI 的區域，適合用於目標追蹤、物件搜尋。

📊 方法比較

比較：calcHist + equalizeHist 著重於影像整體亮度與對比度改善，calcBackProject 則專注於顏色分布的目標搜尋，適合用於物件追蹤與檢索。

📖 今日結語

直方圖反向投影是影像檢索與追蹤的基礎方法，特別適合用於顏色主導的物體偵測與定位。
雖然對光線變化較敏感，但搭配濾波、閾值化及其他方法，能成為強大的影像搜尋工具，廣泛應用於監控、目標追蹤、互動系統等場景。