hist.py的优化代码，参考了c实现的代码，但可能还有少许问题，包涵-hist.py optimized code, refer to the c implementation of the code, but there may be some issues it covers

利用KLT跟踪算法进行兴趣点选取和跟踪。 KLT跟踪算法的原始思想是在研究不同图像之间的匹配问题时，通过计算两个平移窗口的灰度残差，并寻找最小化残差SSD(sum of square difference)来实现匹配的。但是这个过程是没有效率的，因此KLT算法进行了优化。在这个过程中，KLT算法使用泰勒展开直接计算平移矢量，而不需要通过遍历进行搜索。 -KLT tracking algorithm to select a point of interest and tracking. K

通过对图像中值滤波处理，二值化，边缘查询，找出图像中源所有的边缘像素点，然后利用最小二乘法对这些边缘点进行找圆，计算出圆的坐标和半径。(By means of median filtering, binarization and edge query, all edge pixels in the image source are found, and then the least square method is used to find the circles of these edge p