本章主要具体解释的是compressive tracking框架中的第一部分：样本的採集和扩充部分。
在開始代码学习的前面，你须要知道的理论知识參见论文：Real-time Compressive Tracking。理论理解能够參见我的博客：http://blog.csdn.net/ikerpeng/article/details/19826409 。
这个模块中你须要知道一个主要的概念：代码里面几个变量指的是什么。上一张图：
或许你如今还不知道他们是什么，直接贴代码了。
相信有我的凝视你一定会懂的。
头文件 sampleRect.h
#pragma once
#include <opencv2opencv.hpp>
#include <vector>
using namespace cv;
using namespace std;
class sampleRect
{
public:
sampleRect(void);//构造函数，初始化以下的rOuterpositive
~sampleRect(void);
private:
int rOuterpositive;//这个设定的是正负样本的边界。在这个边界里面的就是正样本，外面的就是负样本。
void sampleRect0(Mat& _image, Rect& _objectPatch, float _rInner, float _rOuter, int _maxSampleNum, vector<Rect>& _sampleRect );
//这个函数最重要，它是用来扩充正负样本的。
他通过设定_rInner,_rOuter两个边界，选出的样本是_rInner里面的,_rOuter外面的。
也就是说_rInner>_rOuter.
//在进行正样本扩充的时候_rOuter=0._rInner=上面那个边界rOuterpositive；产生负样本的时候_rOuter=rOuterpositive。里面的參数在实现的时候说明
void sampleRect1(Mat& _image, Rect& _objectPatch, float _srw, vector<Rect>& _sampleRect );//这个函数是要扩充待检測的样本的
};
#include "sampleRect.h"
#include <math.h>
#include<iostream>
sampleRect::sampleRect()
{
int rOuterpositive=4;//这里我们都是以矩形框的左上角的点为參照的，若是要扩充的样本的这个点离目标位置的这个点的距离在4个像素以内则定义为正样本。否则为负。
}
sampleRect::~sampleRect()
{
}
void sampleRect::sampleRect0(Mat& _image, Rect& _objectPatch, float _rInner, float _rOuter, int _maxSampleNum, vector<Rect>& _sampleRect )
{
/*
Arguments:
-_image: processing frame
-_objectBox: recent object position
-_rInner: inner sampling radius
-_rOuter: Outer sampling radius
-_maxSampleNum: maximal number of sampled images
-_sampleRect: Storing the rectangle coordinates of the sampled images.
*/
int rowsz=_image.rows-_objectPatch.height-1;//y方向上取值的最大范围
int colsz= _image.cols- _objectPatch.width-1;
float rInnerSq=_rInner*_rInner;//这个相当于是外圆的距离的平方，为的是和后面的dist作比較的。小于这个值就在圆里面
float rOuterSq=_rOuter*_rOuter;//同上，大于这个值就在选择的范围里面了。详细參见示意图1。
int dist;
RNG rng;
//以下这个是为了要确定选出来的patch快的范围（事实上是左上角点的坐标的范围）
int minrow = max(0,(int)_objectPatch.y-(int)_rInner);//计算出的结果是y坐标的最小取值。相当于一个圆外接矩形的最上面的那个点。详细參见示意图1
int maxrow = min(rowsz-1, (int)_objectPatch.y+(int)_rInner);//计算出的结果是y坐标的最大取值，相当于一个圆外接矩形的最以下的那个点。
int mincol = max(0,(int)_objectPatch.x-(int)_rInner);//计算出的结果是x坐标的最小取值，相当于一个圆外接矩形的最左边的那个点。
int maxcol = min(colsz,(int)_objectPatch.x+(int)_rInner);//计算出的结果是x坐标的最大取值，相当于一个圆外接矩形的最右边的那个点。
float prob=_maxSampleNum/(maxrow-minrow+1)/(maxcol-mincol+1);//这个值的设定是为了将扩充正负样本的函数统一到一个函数里面
// 由于负样本的扩充时设定的最外面的边界_rInner是比較大的。
那就非常产生非常多的样本，这个时候我们就通过这个值的推断随机的选择一些
//_maxSampleNum设置是非常大的。上面的式子是相当于除以后面两个的乘积啦。
int r,c; //横纵坐标
int i=0; //记住vector的尺寸
_sampleRect.clear();// 非常重要。開始的时候一定清空样本存储的地方
Rect rect(0,0,0,0); //用来记录每个被选到的样本块
for ( r=minrow; r<=maxrow; r++)
{
for( c=mincol; c<=maxcol; c++)
{
dist=(_objectPatch.y-r)*(_objectPatch.y-r)+(_objectPatch.x-c)*(_objectPatch.x-c);//到目标点的距离
if((rng.uniform(0., 1.)<prob)&&(dist<=rInnerSq)&&(dist>=rOuterSq))
//这里就是将正负样本的扩充统一起来了。对于正样本，由于满足的范围小，prob一定>1。所以满足条件的都要。
//对于负样本来说，rng.uniform(0., 1.)<prob)就不一定成立，所以是随机的保存所产生的满足要求的负样本。
//（附加说明一点，_maxSampleNum这里设置的是10000.一般一个图像至少320*240，所以prob=1/6左右。也就是保存了所有负样本的1/6左右）
{
rect.x=c;//满足上面的条件以后就採集样本并存储到_sampleRect中
rect.y=r;
rect.height=_objectPatch.height;
rect.width=_objectPatch.width;
_sampleRect.push_back(rect);
i++;
}
}
}
_sampleRect.resize(i);//这个操作是要确定这个vector的尺寸。
由于vector给你分配的空间往往是大于你所要的。
}
//以下的操作基本上是一样的了，其作用是在上一帧的位置附近生成一些待检測的样本。这被觉得是可能的目标出现的位置。
void sampleRect::sampleRect1(Mat& _image, Rect& _objectPatch, float _srw, vector<Rect>& _sampleRect )
{
int rowsz=_image.rows-_objectPatch.height-1;
int colsz =_image.cols -_objectPatch.width-1;
int radSq= _srw*_srw;
int dist;
Rect rect;
int minrow=max(0,(int)_objectPatch.y-(int)_srw);
int maxrow=min(rowsz,(int)_objectPatch.y+(int)_srw);
int mincol =max(0,(int)_objectPatch.x-(int)_srw);
int maxcol =max(colsz,(int)_objectPatch.x+(int)_srw);
int r,c;
int i=0;
for( r=minrow; r<=maxrow;r++)
{
for ( c=mincol; c<=maxcol; c++)
{
dist=(_objectPatch.y-r)*(_objectPatch.y-r)+(_objectPatch.x-c)*(_objectPatch.x-c);
if(dist<=radSq )//不在须要prob来限制量了，以下都是一样的了。
{
rect.x=c;
rect.y=r;
rect.height=_objectPatch.height;
rect.width=_objectPatch.width;
_sampleRect.push_back(rect);
i++;
}
}
}
_sampleRect.resize(i);
}
//本节搞定。
我是实实在在的刚開始学习的人，发现问题请指正啊！谢谢！