置為255（白色）

1. // Quantize the gray scale to 30 levels
2. int gbins = 16;  
3. int histSize[] = {gbins};  
4.    // gray scale varies from 0 to 256
5. float granges[] = {0,256};  
6. constfloat* ranges[] = { granges };  
7. cv::MatND hist;  
8. // we compute the histogram from the 0-th and 1-st channels
9. int channels[] = {0};  
10. //calculate hist
11. calcHist( &hsv, 1, channels, cv::Mat(), // do not use mask
12.             hist, 1, histSize, ranges,  
13.             true, // the histogram is uniform
14.             false );  
15. //find the max value of hist
16. double maxVal=0;  
17. minMaxLoc(hist, 0, &maxVal, 0, 0);  
18. int scale = 20;  
19. cv::Mat histImg;  
20. histImg.create(500,gbins*scale,CV_8UC3);  
21. //show gray scale of hist image
22. for(int g=0;g<gbins;g++){  
23.     float binVal = hist.at<float>(g,0);  
24.     int intensity = cvRound(binVal*255);  
25.     rectangle( histImg, cv::Point(g*scale,0),  
26.                        cv::Point((g+1)*scale - 1,binVal/maxVal*400),  
27.                         CV_RGB(0,0,0),  
28.                        CV_FILLED );  
29. }  
30. cv::imshow("histImg",histImg);  
31. //threshold processing
32. cv::Mat hsvRe;  
33. threshold( hsv, hsvRe, 64, 255,cv::THRESH_BINARY);  

3.提取圖片輪廓 
為了識別圖片中的矩形，在識別之前還需要提取圖片的輪廓。在經過濾波、二值化處理後，輪廓提取後
的效果比未提取前的效果要好很多。


4.識別矩形 

識別矩形的條件為：圖片中識別的輪廓是一個凸邊形、有四個頂角、所有頂角的角度都為90度。

1. vector<Point> approx;  
2. for (size_t i = 0; i < contours.size(); i++)  
3. {  
4.     approxPolyDP(Mat(contours[i]), approx,   
5.                  arcLength(Mat(contours[i]), true)*0.02, true);  
6.     if (approx.size() == 4 &&  
7.         fabs(contourArea(Mat(approx))) > 1000 &&  
8.         isContourConvex(Mat(approx)))  
9.     {  
10.         double maxCosine = 0;  
11.         for( int j = 2; j < 5; j++ )  
12.         {  
13.             double cosine = fabs(angle(approx[j%4], approx[j-2], approx[j-1]));  
14.             maxCosine = MAX(maxCosine, cosine);  
15.         }  
16.         if( maxCosine < 0.3 )  
17.             squares.push_back(approx);  
18.     }  
19. }