喝水是件再普通不过的事情，我们每个人每天都要喝水，不过喝水有“三提倡”和“四不宜”，是您在日常生活中应该注意的。
“三提倡”是：
1、提倡晨起喝水。早晨起床后喝一杯水，可清洗肠胃，刺激促进胃肠活动，增强消化功能。
2、提倡运动后喝盐开水。运动中大量出汗，使体内的盐大量排
出，此时喝盐开水可补充身体损失的水分和盐分。盐水的浓度以0.1%～0.3%为宜。
3、提倡病中多喝开水。病人多喝开水，既可补充因疾病（发烧、呕吐等）消耗的水分，也可促进病菌从体内排出。
“四不宜”是：
1、不宜喝太烫和太凉的水。喝过烫的水会损伤口腔和食道粘膜，时间久了易引发口腔癌和食道癌。长期饮用过冷的水则会损害胃肠功能。
2、不宜饭前大量喝水。饭前大量喝水会冲淡胃液，增加胃肠负担，影响食欲和消化能力。
3、不宜睡前大量喝水。睡前大量喝水可增加排尿次数，影响睡眠。
4、不宜喝装在暖水瓶中已几天的开水，不能喝反复煮沸的开水。这两种开水所含的亚硝酸盐和某些微量元素增加，饮后会对人体产生副作用。家里煮开水，最好以煮沸5～10钟为宜，并放在保温性能好的暖水瓶内，每天更换。
睡前过度控制水分的摄取，容易造成血液中的水分不足，引起脑梗塞或心肌梗塞的危险性，特别是老年人更要小心，许多平日就有尿频现象的老人，到了冬天，养成睡前尽量不喝水的习惯。如果吃过晚饭后到翌日起床，其间都不喝水的话，血液中的水分便会不足，很容易会产生血凝的现象。
起床前后易病发 若分析心脏病及脑部疾病等老人的重要死亡原因，一天当中最容易发作的时段，心肌梗塞通常是在起床后的二、三小时之内，脑梗塞则是在天亮快起床前或刚刚起床后的时间最容易发生。而这两类疾病的发生原因均为血液浓度太高，引起血栓，将血管堵住所致。
睡前不适宜喝茶 为了预防脑部及心肌梗塞，睡前必须补充水分，而且建议饮用较易被人体吸收的饮料或清水，至于一般老年人习惯喝茶，茶有利尿作用，反而会排出比喝下去更多的水分，造成反效果，不适合在睡前的饮用。
上顾后补充水分 医生还建议老人最好是在床头放一瓶水，每次上完厕所后就补充水分，且不仅是睡觉时，而且在容易流失水分的沐浴前，最好也先喝一杯水，以免体内因长时间沐浴而缺乏水分。
抢救及时康复机会高 心肌梗塞是指部分心肌死亡的一种心脏病，成因是由于冠状动脉不能供给心肌充分含氧血所致。心肌梗塞的病微，状似心绞痛，心跳加快、血压可能降低，并感到呼吸困难。心肌梗塞通常在起床后两小时内发作，若立即把患者送往医院救治，救活及康复的机会较高。
睡前不喝水习惯的人
医学专家警告！！！
睡前、洗澡时候，水分流失量大，已经养成睡前不吃东西不喝水习惯的人，
容易造成血液中水分不足，而引起脑梗塞或心肌梗塞的危险。
人在睡眠中仍会消耗一至两杯左右的水分，从晚餐后到第二天早上起床前，如果都不补充水分，
第二天早上起床或快天亮的时侯，最容易发生血栓，使血管堵住，引发心脏病及脑部疾病。
国人在习惯上喜欢睡前沐浴，洗个乾乾净净的澡再上床，但洗澡的时候最容易流失水份，
所以医生建议，洗澡后最好要马上补充水分，
如果有泡澡习惯的人，则应该在洗澡前先喝一大杯水，以免在浴室停留太久，流失过多的水分，
轻者也会发生呼吸困难、休克的现象。
夏天开冷气睡觉能睡得好一点，不过冷气有防湿乾燥的作用，更是会流失水分，
因此有开冷气睡觉习惯的人更应该睡前喝水，但是不要喝茶，
因为医生说，茶有利尿作用，反而会排出比喝下去更多的水分，造成反效果，
就算不会有咖啡因提神作用的人，也不适合在睡前喝茶。
医学界发现用口对口的方式喝矿泉水，要是刚好口腔中有少量不足以致病的绿脓杆菌进入瓶内，
这个瓶子就会变成agar，12小时后，菌数就足以引起喉咙痛！！！
因为怕公布后，矿泉水会滞销，所以厂商不敢公布，
但是医学界教授还是奉劝喝矿泉水时，不要接触瓶口！！！
另外,喜欢嚼 EXTRA 无糖口香糖的人要注意了！！！
它不是真的无糖,而是添加了人工甘味-阿斯巴甜！！！也就是代糖,糖尿病患者吃的那种！！
它对肾脏的负担很大！！！ 而且有致癌的可能！！！
Monday, April 30, 2007
Saturday, April 28, 2007
Google.com将在中国消失?!
google最近事情不断啊，从拼音词库门，到个性化主页程序出现问题，google.com要是重定向到google.cn，搜到的东西会大打折扣，真是很不爽的事情，后面还有更深层次的原因吧。我喜欢google各种产品的风格，但功能还应该是第一位，.com挺住啊！
今天（07.Apr.27），有可靠消息称，google.com将在中国消失，而谷歌的中文搜索服务将全部转向google.cn。此前，谷歌中国在中国提供两套搜索服务，而google.cn是谷歌在中国本土化的妥协之作。
在一年前“谷歌”这一傻名发布后，就出现了“反谷歌”网站，在其首页上，数万名网民签名反对Google使用“谷歌”一词作为中文名称。这些被称为G粉的google拥趸坚定地宣称：“Google，我们爱你，但我们不爱谷歌，谷歌这个名字，让我们不爽！更让我们失望！”
然而，可能令这些G粉更失望的是，Google不仅要改掉名字，而且要彻彻底底关闭掉google.com服务，所有在中国访问google.com的要求都会在谷歌服务器端自动指向google.cn，一个被G粉们称之为“被阉掉”的网站。这次，G粉们恐怕不只是失望，应该是失魂落魄了。
谷歌中国区总裁，深受学生们爱戴的李开复博士千辛万苦地说服他的老板，Google公司的创始人，违背“不作恶”的原则来开设.cn网站，他成功了。他现在取得更大的成功，因为曾经一度是.com和.cn并行，还给网民更多的选择。但现在，.com已经彻底和中国网民绝缘了。
著名博客keso曾经说，“我尊敬的是.com的google，而不是.cn的谷歌”。或者正如google技术部人士笑言所称，谷歌中国开始了阉割下的本地化生存。
今天（07.Apr.27），有可靠消息称，google.com将在中国消失，而谷歌的中文搜索服务将全部转向google.cn。此前，谷歌中国在中国提供两套搜索服务，而google.cn是谷歌在中国本土化的妥协之作。
在一年前“谷歌”这一傻名发布后，就出现了“反谷歌”网站，在其首页上，数万名网民签名反对Google使用“谷歌”一词作为中文名称。这些被称为G粉的google拥趸坚定地宣称：“Google，我们爱你，但我们不爱谷歌，谷歌这个名字，让我们不爽！更让我们失望！”
然而，可能令这些G粉更失望的是，Google不仅要改掉名字，而且要彻彻底底关闭掉google.com服务，所有在中国访问google.com的要求都会在谷歌服务器端自动指向google.cn，一个被G粉们称之为“被阉掉”的网站。这次，G粉们恐怕不只是失望，应该是失魂落魄了。
谷歌中国区总裁，深受学生们爱戴的李开复博士千辛万苦地说服他的老板，Google公司的创始人，违背“不作恶”的原则来开设.cn网站，他成功了。他现在取得更大的成功，因为曾经一度是.com和.cn并行，还给网民更多的选择。但现在，.com已经彻底和中国网民绝缘了。
著名博客keso曾经说，“我尊敬的是.com的google，而不是.cn的谷歌”。或者正如google技术部人士笑言所称，谷歌中国开始了阉割下的本地化生存。
Thursday, April 26, 2007
Open Access
ISI对它下了一个简单的定义：任何经由同行评论的电子期刊，以免费的方式提供给读者或机构取用、下载、复制、打印、发行或检索文章。作者可保有著作权，但在出版前需付500至1500美元予出版社。OA的出版方式包含很广，有出版后完全免费利用全文者，有的则限于出版后一年才公开使用的全文，有的出版社甚至仅提供免费的目录或摘要内容。
目前，国内对OA术语有多种不同的译法，现整理出来，供大家参考：开放存取、开放获取、公开获取（也有台湾学者译为“公开取用”的）、开放使用、开放式出版。其中开放式出版对应的是“Open Access Publishing”。
瑞典隆德大学创办了OA期刊网，汇集了全球几乎所有的OA期刊：http://www.doaj.org/。
目前，国内对OA术语有多种不同的译法，现整理出来，供大家参考：开放存取、开放获取、公开获取（也有台湾学者译为“公开取用”的）、开放使用、开放式出版。其中开放式出版对应的是“Open Access Publishing”。
瑞典隆德大学创办了OA期刊网，汇集了全球几乎所有的OA期刊：http://www.doaj.org/。
Monday, April 23, 2007
香蕉球原理－我终于明白了-_-b
原来自己推一直得到的是相反的结果，十分纳闷。突然心血来潮在网上搜了一下，原来所有的受力都是在大地参考系下分析的，是相对大地的空气流速哪边大受的压力就小，而这流速是由于球旋转带动空气一起转动产生的。
我从前从另一方面考虑，假设空气静止，相对足球而言考虑，这样不对的原因在于，空气本来就不是静止的，它会随球的转动相应流动，如果是一个完全光滑的球体，无论如何旋转应该看不到旋转的现象。
另外一个问题是要在惯性系下考虑问题，比如大地或匀速飞行的球的质心.
足球在空中旋转过程中（图中为逆时针旋转），把足球作为参照物。相对于迎面空气来说，球左侧运动方向与气流方向相同，右侧与气流方向相反，设球飞行速度为v，球旋转切相速度为u，于是气流相对于足球左侧的速度为v-u，相对于右侧为v+u,注意这里相对于球的质心而言，球右侧的空气速度会由于球的旋转影响变慢。根据伯努利原理，则球右所侧受压强会大于左侧，足球会感受到一个自右向左的压力，这个力产生于速度方向垂直的加速度的使得足球飞行轨迹成为一个弧线，称之为马格纳斯效应，这就是“香蕉球”的物理学原理。
在球实际的运动过程中，强烈的旋转会使周围气流形成漩涡，增加这种马格纳斯效应效应的效果。
足球史上最有争议的进球发生在1966年的世界杯决赛上，英格兰队前锋大卫•赫斯特禁区内一脚射门打中西德队球门横梁，反弹在球门线上。边裁示意进球有效。英格兰队正是凭借这个进球第一次捧起了世界杯。
上节提到的德国多特蒙德大学物理学教授Metin Tolan，为这个球是否越过了球门线做出了物理上的分析：根据规则，当球全部落入球门线后算作进球。而西德和英格兰的这场决赛中，那个球是打在了横梁上弹地并偏离开了球门。如果球的速度在每小时75公里到每小时100公里之间时，那么这个横梁会给足球以每分钟10圈的自转。此时马格纳斯效应会使球会以一个小弧线落入球门线后有0.02秒的时间，然后因为落地后和草皮的摩擦而弹出球门。身为一名德国人，能克服个人的情感，为这个球做最客观的物理分析，这种科学精神的确难能可贵。
国米夺冠与佩皮诺语录
真是人品爆发
罗马输球，国米赢球，本来渺茫的希望一下子变成现实，提前5轮夺冠平了从前的记录也是可喜可贺，从论坛贴过来从前的元老佩皮诺·普利斯科的语录，看看纯正的国米球迷是怎么说的——
了解“律师”得意于他那著名的名言，他的话语总令人热血沸腾。什么样是真正的国际米兰球迷？请参照普利斯科！他就是最坚定的左派！
15冠之际，再次用属于他、同时也是属于所有内拉祖里的名言来纪念这位传奇人物：
1.如果不恨米兰队，就不是真正的国际队的球迷，反之亦然。
2.米兰队两次降级。第一次是付费降级，第二次是免费降级。
3.小时候我希望米兰队降入乙级，后来我改变了主意，最好降入丙级。
4.反对任何形式的种族主义，但我永远不会我女儿和米兰队的一个球员结婚。
5.我的梦想？国际队在比赛结束时进一球打败米兰队，进球是越位或者手球，最好既越位又手球。
6.要有尤文图斯，总会有人窝脏，尤文偶然也承认盗窃，但从不退还赃物。
7.如果我同ac米兰的人握手,事后我一定洗手;如果我同尤文图斯的人握手,事后我一定检查手指还在不在。
8.意甲存在于我们的DNA中,我们决不偷窃冠军,也决不会降入乙级。
罗马输球，国米赢球，本来渺茫的希望一下子变成现实，提前5轮夺冠平了从前的记录也是可喜可贺，从论坛贴过来从前的元老佩皮诺·普利斯科的语录，看看纯正的国米球迷是怎么说的——
了解“律师”得意于他那著名的名言，他的话语总令人热血沸腾。什么样是真正的国际米兰球迷？请参照普利斯科！他就是最坚定的左派！
15冠之际，再次用属于他、同时也是属于所有内拉祖里的名言来纪念这位传奇人物：
1.如果不恨米兰队，就不是真正的国际队的球迷，反之亦然。
2.米兰队两次降级。第一次是付费降级，第二次是免费降级。
3.小时候我希望米兰队降入乙级，后来我改变了主意，最好降入丙级。
4.反对任何形式的种族主义，但我永远不会我女儿和米兰队的一个球员结婚。
5.我的梦想？国际队在比赛结束时进一球打败米兰队，进球是越位或者手球，最好既越位又手球。
6.要有尤文图斯，总会有人窝脏，尤文偶然也承认盗窃，但从不退还赃物。
7.如果我同ac米兰的人握手,事后我一定洗手;如果我同尤文图斯的人握手,事后我一定检查手指还在不在。
8.意甲存在于我们的DNA中,我们决不偷窃冠军,也决不会降入乙级。
Thursday, April 19, 2007
Inter 1:3 Roma full time
满抱着提前6轮夺冠创造历史的心情督了这场比赛
结果输的完全没有脾气，进的球还是靠一个误判的点球，虽然夺冠应该不成问题，还不免有点黯然神伤……
也许生活就是这样的吧，不想对比赛评价什么了，连续不败了这么多场，人品也有耗尽的时候，而且本来实际就没有现在的战绩所表现那么强，没有什么遗憾的
也许就是因为总有这样那样的不完美才会喜欢这支球队，总是有点回味的东西，我喜欢的东西大多有这种特点。要加油了，后面的路还很长呢。不问结果，只要努力无愧于心，这句原来总是在作文里提到的话，现在做起来不是那么容易，但我们仍然要努力做到
结果输的完全没有脾气，进的球还是靠一个误判的点球，虽然夺冠应该不成问题，还不免有点黯然神伤……
也许生活就是这样的吧，不想对比赛评价什么了，连续不败了这么多场，人品也有耗尽的时候，而且本来实际就没有现在的战绩所表现那么强，没有什么遗憾的
也许就是因为总有这样那样的不完美才会喜欢这支球队，总是有点回味的东西，我喜欢的东西大多有这种特点。要加油了，后面的路还很长呢。不问结果，只要努力无愧于心，这句原来总是在作文里提到的话，现在做起来不是那么容易，但我们仍然要努力做到
Monday, April 9, 2007
my blog
changes the address to http://tonysh-thu.blogspot.com
but it seems temporarily unretrievable in the chinese mainland.....
however, you can access the web page any time using http://anonymouse.org/cgi-bin/anon-www.cgi/http://tonysh-thu.blogspot.com
Comment posted by tony
at 12/28/2007 7:11:00 PM
tony
呵呵，我看不了但可以改的，很奇怪的，而且其实我也能看，个中原因十分复杂……
好在现在一切都好了，大家都能看了
Comment posted by Alexandra
at 12/28/2007 10:08:00 AM
Alexandra
Blogspot is banned AGAIN?
I can read your blog on blogspot without any obstacle, but if the blogger himself does not have access to it...
Comment posted by tony
at 5/7/2007 11:55:14 PM
tony
呵呵，我看不了但可以改的，很奇怪的，而且其实我也能看，个中原因十分复杂……
好在现在一切都好了，大家都能看了
Comment posted by Alexandra
at 4/10/2007 8:52:50 AM
Alexandra
Blogspot is banned AGAIN?
I can read your blog on blogspot without any obstacle, but if the blogger himself does not have access to it...
Comment posted by
at 5/7/2007 11:55:14 PM
tony
5/7/2007 11:55:14 PM 呵呵，我看不了但可以改的，很奇怪的，而且其实我也能看，个中原因十分复杂……
好在现在一切都好了，大家都能看了
Comment posted by
at 4/10/2007 8:52:50 AM
Alexandra
4/10/2007 8:52:50 AMBlogspot is banned AGAIN?
I can read your blog on blogspot without any obstacle, but if the blogger himself does not have access to it...
Comment posted by Alexandra
at 12/29/2007 10:08:00 AM
Alexandra
Blogspot is banned AGAIN?
I can read your blog on blogspot without any obstacle, but if the blogger himself does not have access to it...
Comment posted by tony
at 12/29/2007 7:11:00 PM
tony
呵呵，我看不了但可以改的，很奇怪的，而且其实我也能看，个中原因十分复杂……
好在现在一切都好了，大家都能看了
Tuesday, April 3, 2007
camshift算法原理
10.02.15后记：
camshift假设已知前景物体（或包括主要前景物体的图）的直方图分布不随时间改变。
其中的meanshift部分是个简单有效的东西。
CamShift算法，即"Continuously Apative Mean-Shift"算法，是一种运动跟踪算法。它主要通过视频图像中运动物体的颜色信息来达到跟踪的目的。我把这个算法分解成三个部分，便于理解：
1) Back Projection计算
2) Mean Shift算法
3) CamShift算法
在这里主要讨论Back Projection,在随后的文章中继续讨论后面两个算法。
一、Back Projection
计算Back Projection的步骤是这样的：
1. 计算被跟踪目标的色彩直方图。在各种色彩空间中，只有HSI空间(或与HSI类似的色彩空间)中的H分量可以表示颜色信息。所以在具体的计算过程中，首先将其他的色彩空间的值转化到HSI空间，然后会其中的H分量做1D直方图计算。
2. 根据获得的色彩直方图将原始图像转化成色彩概率分布图像，这个过程就被称作"Back Projection"。
在OpenCV中的直方图函数中，包含Back Projection的函数，函数原型是：
void cvCalcBackProject(IplImage** img, CvArr** backproject, const CvHistogram* hist);
传递给这个函数的参数有三个：
1. IplImage** img:存放原始图像，输入。
2. CvArr** backproject:存放Back Projection结果，输出。
3. CvHistogram* hist:存放直方图，输入
下面就给出计算Back Projection的OpenCV代码。
1.准备一张只包含被跟踪目标的图片，将色彩空间转化到HSI空间，获得其中的H分量：
IplImage* target=cvLoadImage("target.bmp",-1); //装载图片
IplImage* target_hsv=cvCreateImage( cvGetSize(target), IPL_DEPTH_8U, 3 );
IplImage* target_hue=cvCreateImage( cvGetSize(target), IPL_DEPTH_8U, 3 );
cvCvtColor(target,target_hsv,CV_BGR2HSV); //转化到HSV空间
cvSplit( target_hsv, target_hue, NULL, NULL, NULL ); //获得H分量
2.计算H分量的直方图，即1D直方图：
IplImage* h_plane=cvCreateImage( cvGetSize(target_hsv),IPL_DEPTH_8U,1 );
int hist_size[]={255}; //将H分量的值量化到[0,255]
float* ranges[]={ {0,360} }; //H分量的取值范围是[0,360)
CvHistogram* hist=cvCreateHist(1, hist_size, ranges, 1);
cvCalcHist(&target_hue, hist, 0, NULL);
在这里需要考虑H分量的取值范围的问题，H分量的取值范围是[0,360),这个取值范围的值不能用一个byte来表示，为了能用一个byte表示，需要将H值做适当的量化处理,在这里我们将H分量的范围量化到[0,255].
4.计算Back Projection：
IplImage* rawImage;
//----------------------------------------------
//get from video frame,unsigned byte,one channel
//----------------------------------------------
IplImage* result=cvCreateImage(cvGetSize(rawImage),IPL_DEPTH_8U,1);
cvCalcBackProject(&rawImage,result,hist);
5.结果：result即为我们需要的.
二、meanshift
这里来到了CamShift算法，OpenCV实现的第二部分，这一次重点讨论Mean Shift算法。
在讨论Mean Shift算法之前，首先讨论在2D概率分布图像中，如何计算某个区域的重心(Mass Center)的问题，重心可以通过以下公式来计算：
1.计算区域内0阶矩
for(int i=0;i&ltheight;i++)
for(int j=0;j&ltwidth;j++)
M00+=I(i,j)
2.区域内1阶矩：
for(int i=0;i&ltheight;i++)
for(int j=0;j&ltwidth;j++)
{
M10+=i*I(i,j);
M01+=j*I(i,j);
}
3.则Mass Center为：
Xc=M10/M00; Yc=M01/M00
接下来，讨论Mean Shift算法的具体步骤，Mean Shift算法可以分为以下4步：
1.选择窗的大小和初始位置.
2.计算此时窗口内的Mass Center.
3.调整窗口的中心到Mass Center.
4.重复2和3，直到窗口中心"会聚"，即每次窗口移动的距离小于一定的阈值。
在OpenCV中，提供Mean Shift算法的函数，函数的原型是：
int cvMeanShift(IplImage* imgprob,CvRect windowIn,
CvTermCriteria criteria,CvConnectedComp* out);
需要的参数为：
1.IplImage* imgprob：2D概率分布图像，传入；
2.CvRect windowIn：初始的窗口，传入；
3.CvTermCriteria criteria：停止迭代的标准，传入；
4.CvConnectedComp* out:查询结果，传出。
(注：构造CvTermCriteria变量需要三个参数，一个是类型，另一个是迭代的最大次数，最后一个表示特定的阈值。例如可以这样构造criteria：criteria=cvTermCriteria(CV_TERMCRIT_ITER|CV_TERMCRIT_EPS,10,0.1)。)
返回的参数：
1.int：迭代的次数。
实现代码：暂时缺
三、camshift
1.原理
在了解了MeanShift算法以后，我们将MeanShift算法扩展到连续图像序列（一般都是指视频图像序列），这样就形成了CamShift算法。CamShift算法的全称是"Continuously Apaptive Mean-SHIFT"，它的基本思想是视频图像的所有帧作MeanShift运算，并将上一帧的结果（即Search Window的中心和大小）作为下一帧MeanShift算法的Search Window的初始值，如此迭代下去，就可以实现对目标的跟踪。整个算法的具体步骤分5步：
Step 1：将整个图像设为搜寻区域。
Step 2：初始话Search Window的大小和位置。
Step 3：计算Search Window内的彩色概率分布，此区域的大小比Search Window要稍微大一点。
Step 4：运行MeanShift。获得Search Window新的位置和大小。
Step 5：在下一帧视频图像中，用Step 3获得的值初始化Search Window的位置和大小。跳转到Step 3继续运行。
2.实现
在OpenCV中，有实现CamShift算法的函数，此函数的原型是：
cvCamShift(IplImage* imgprob, CvRect windowIn,
CvTermCriteria criteria,
CvConnectedComp* out, CvBox2D* box=0);
其中：
imgprob：色彩概率分布图像。
windowIn：Search Window的初始值。
Criteria：用来判断搜寻是否停止的一个标准。
out：保存运算结果,包括新的Search Window的位置和面积。
box：包含被跟踪物体的最小矩形。
说明：
1.在OpenCV 4.0 beta的目录中，有CamShift的例子。遗憾的是这个例子目标的跟踪是半自动的，即需要人手工选定一个目标。我正在努力尝试全自动的目标跟踪，希望可以和大家能在这方面与大家交流。
更新：重新看了这篇文章，发现之前对meanshift的理解有些是不对的，尤其是其跟踪不一定是前景统一的物体，因为其求的mean并不是像素灰度的mean，而是一个计算出来的权重的mean，有关meanshift的笔记可以看这里：
http://tonysh-thu.blogspot.com/2010/02/meanshift.html
camshift假设已知前景物体（或包括主要前景物体的图）的直方图分布不随时间改变。
其中的meanshift部分是个简单有效的东西。
有关meanshift的笔记可以参见这里：
CamShift算法，即"Continuously Apative Mean-Shift"算法，是一种运动跟踪算法。它主要通过视频图像中运动物体的颜色信息来达到跟踪的目的。我把这个算法分解成三个部分，便于理解：
1) Back Projection计算
2) Mean Shift算法
3) CamShift算法
在这里主要讨论Back Projection,在随后的文章中继续讨论后面两个算法。
一、Back Projection
计算Back Projection的步骤是这样的：
1. 计算被跟踪目标的色彩直方图。在各种色彩空间中，只有HSI空间(或与HSI类似的色彩空间)中的H分量可以表示颜色信息。所以在具体的计算过程中，首先将其他的色彩空间的值转化到HSI空间，然后会其中的H分量做1D直方图计算。
2. 根据获得的色彩直方图将原始图像转化成色彩概率分布图像，这个过程就被称作"Back Projection"。
在OpenCV中的直方图函数中，包含Back Projection的函数，函数原型是：
void cvCalcBackProject(IplImage** img, CvArr** backproject, const CvHistogram* hist);
传递给这个函数的参数有三个：
1. IplImage** img:存放原始图像，输入。
2. CvArr** backproject:存放Back Projection结果，输出。
3. CvHistogram* hist:存放直方图，输入
下面就给出计算Back Projection的OpenCV代码。
1.准备一张只包含被跟踪目标的图片，将色彩空间转化到HSI空间，获得其中的H分量：
IplImage* target=cvLoadImage("target.bmp",-1); //装载图片
IplImage* target_hsv=cvCreateImage( cvGetSize(target), IPL_DEPTH_8U, 3 );
IplImage* target_hue=cvCreateImage( cvGetSize(target), IPL_DEPTH_8U, 3 );
cvCvtColor(target,target_hsv,CV_BGR2HSV); //转化到HSV空间
cvSplit( target_hsv, target_hue, NULL, NULL, NULL ); //获得H分量
2.计算H分量的直方图，即1D直方图：
IplImage* h_plane=cvCreateImage( cvGetSize(target_hsv),IPL_DEPTH_8U,1 );
int hist_size[]={255}; //将H分量的值量化到[0,255]
float* ranges[]={ {0,360} }; //H分量的取值范围是[0,360)
CvHistogram* hist=cvCreateHist(1, hist_size, ranges, 1);
cvCalcHist(&target_hue, hist, 0, NULL);
在这里需要考虑H分量的取值范围的问题，H分量的取值范围是[0,360),这个取值范围的值不能用一个byte来表示，为了能用一个byte表示，需要将H值做适当的量化处理,在这里我们将H分量的范围量化到[0,255].
4.计算Back Projection：
IplImage* rawImage;
//----------------------------------------------
//get from video frame,unsigned byte,one channel
//----------------------------------------------
IplImage* result=cvCreateImage(cvGetSize(rawImage),IPL_DEPTH_8U,1);
cvCalcBackProject(&rawImage,result,hist);
5.结果：result即为我们需要的.
二、meanshift
这里来到了CamShift算法，OpenCV实现的第二部分，这一次重点讨论Mean Shift算法。
在讨论Mean Shift算法之前，首先讨论在2D概率分布图像中，如何计算某个区域的重心(Mass Center)的问题，重心可以通过以下公式来计算：
1.计算区域内0阶矩
for(int i=0;i&ltheight;i++)
for(int j=0;j&ltwidth;j++)
M00+=I(i,j)
2.区域内1阶矩：
for(int i=0;i&ltheight;i++)
for(int j=0;j&ltwidth;j++)
{
M10+=i*I(i,j);
M01+=j*I(i,j);
}
3.则Mass Center为：
Xc=M10/M00; Yc=M01/M00
接下来，讨论Mean Shift算法的具体步骤，Mean Shift算法可以分为以下4步：
1.选择窗的大小和初始位置.
2.计算此时窗口内的Mass Center.
3.调整窗口的中心到Mass Center.
4.重复2和3，直到窗口中心"会聚"，即每次窗口移动的距离小于一定的阈值。
在OpenCV中，提供Mean Shift算法的函数，函数的原型是：
int cvMeanShift(IplImage* imgprob,CvRect windowIn,
CvTermCriteria criteria,CvConnectedComp* out);
需要的参数为：
1.IplImage* imgprob：2D概率分布图像，传入；
2.CvRect windowIn：初始的窗口，传入；
3.CvTermCriteria criteria：停止迭代的标准，传入；
4.CvConnectedComp* out:查询结果，传出。
(注：构造CvTermCriteria变量需要三个参数，一个是类型，另一个是迭代的最大次数，最后一个表示特定的阈值。例如可以这样构造criteria：criteria=cvTermCriteria(CV_TERMCRIT_ITER|CV_TERMCRIT_EPS,10,0.1)。)
返回的参数：
1.int：迭代的次数。
实现代码：暂时缺
三、camshift
1.原理
在了解了MeanShift算法以后，我们将MeanShift算法扩展到连续图像序列（一般都是指视频图像序列），这样就形成了CamShift算法。CamShift算法的全称是"Continuously Apaptive Mean-SHIFT"，它的基本思想是视频图像的所有帧作MeanShift运算，并将上一帧的结果（即Search Window的中心和大小）作为下一帧MeanShift算法的Search Window的初始值，如此迭代下去，就可以实现对目标的跟踪。整个算法的具体步骤分5步：
Step 1：将整个图像设为搜寻区域。
Step 2：初始话Search Window的大小和位置。
Step 3：计算Search Window内的彩色概率分布，此区域的大小比Search Window要稍微大一点。
Step 4：运行MeanShift。获得Search Window新的位置和大小。
Step 5：在下一帧视频图像中，用Step 3获得的值初始化Search Window的位置和大小。跳转到Step 3继续运行。
2.实现
在OpenCV中，有实现CamShift算法的函数，此函数的原型是：
cvCamShift(IplImage* imgprob, CvRect windowIn,
CvTermCriteria criteria,
CvConnectedComp* out, CvBox2D* box=0);
其中：
imgprob：色彩概率分布图像。
windowIn：Search Window的初始值。
Criteria：用来判断搜寻是否停止的一个标准。
out：保存运算结果,包括新的Search Window的位置和面积。
box：包含被跟踪物体的最小矩形。
说明：
1.在OpenCV 4.0 beta的目录中，有CamShift的例子。遗憾的是这个例子目标的跟踪是半自动的，即需要人手工选定一个目标。我正在努力尝试全自动的目标跟踪，希望可以和大家能在这方面与大家交流。
更新：重新看了这篇文章，发现之前对meanshift的理解有些是不对的，尤其是其跟踪不一定是前景统一的物体，因为其求的mean并不是像素灰度的mean，而是一个计算出来的权重的mean，有关meanshift的笔记可以看这里：
http://tonysh-thu.blogspot.com/2010/02/meanshift.html
Subscribe to:
Posts (Atom)