对输入的两张图像计算得到直方图H1与H2，归一化到相同的尺度空间，然后通过计算H1与H2之间的距离得到两个直方图的相似程度进而进行比较图像本身的相似度。OpenCV提供的比较方法有四种：直方图比较方法Correlation相关性比较Chi-Squra卡方比较Intersection十字交叉性Bhattacharyya distance巴氏距离直方图比较方法–相关性计算（CV_COMP_CORREL）如果等于1说明完全一致，为0就是不相关。直方图比较方法–卡方计算（CV_COMP_CHISQR）等
灰度直方图，RGB直方图，梯度直方图对于数据在一定范围之内，可以统计频率的都可以做直方图。图像直方图。是指对整个图像在灰度范围内的像素值（0-255）统计出现频率次数，据此生成的直方图成为图像直方图，直方图反映了图像灰度的分布情况，是图像的统计学特征。直方图均衡化是一种提高图像对比度的方法，拉伸图像灰度值范围。如何实现均衡化呢？通过重映射可以将图像灰度分布从一个分布映射到另一个分布，然后在得等映射后的像素值即可。API说明：equalizeHistory（InputArray src, //8位
勇哥最近跟的一台设备，其视觉定位出现一种奇怪的现象：定义好工具坐标1后，进行九点标定，然后把视野内的5个像素点位置转为机器人坐标，依次走过去看是否准确。结果发现只有中间的两个点走过去是比较准确的，而其它的几个点最大偏差有几个毫米！并且偏差的位置没有规律，有的是向左边偏，有的向右边偏。操，这又是什么鬼呢？重新做工具坐标1，做好后，在原地旋转一定角度后，再截原来的点，发现工具1并不准确，有零点几个毫米的误差。初步判断这样的工具坐标如果用来进行九点标准，误差积累起来肯定会很大。接下来我们在视野内确定一