直方图计算介绍
直方图均值化概念
可以参考我的另一篇博文：
https://yangyongli.blog.csdn.net/article/details/122663041
直方图计算
例如将上面图像像素值建如下直方图：
上述直方图概念是基于图像像素值，其实对图像梯度、每个像素的角度、等一切图像的属性值，我们都可以建立直方图。这个才是直方图的概念真正意义，不过是基于图像像素灰度直方图是最常见的。
直方图最常见的几个属性：
- dims 表示维度，对灰度图像来说只有一个通道值dims=1
- bins 表示在维度中子区域大小划分，bins=256，划分为256个级别
- range 表示值得范围，灰度值范围为[0~255]之间
相关API
split
函数作用：把多通道图像分为多个单通道图像
函数原型：
split( const Mat &src, // 输入图像 Mat* mvbegin // 输出的通道图像数组 )
minMaxLoc
函数作用：寻找最值函数
函数原型：
void minMaxLoc( InputArray src, double* minVal, double* maxVal=0, Point* minLoc=0, Point* maxLoc=0, InputArray mask=noArray() )
函数参数：
- src ：输入单通道阵列
- minVal ：返回最小值的指针，若无需返回，此值置为NULL
- maxVal：返回最大值的指针，若无需返回，此值置为NULL
- minLoc：返回最小位置的指针（二维情况下），若无需返回，此值置为NULL
- maxLoc：返回最大位置的指针（二维情况下），若无需返回，此值置为NULL
- mask：用于选择子阵列的可选掩膜
calcHist
函数作用：用来计算图像直方图的
函数原型：
calcHist( const Mat* images, // 输入图像指针 int images, // 图像数目 const int* channels,// 通道数 InputArray mask, // 输入mask，可选，不用 OutputArray hist, // 输出的直方图数据 int dims, // 维数 const int* histsize,// 直方图级数 const float* ranges,// 值域范围 bool uniform, // true by default bool accumulate // false by defaut )
代码示例
#include <iostream> #include <math.h> #include <opencv2/opencv.hpp> #include <opencv2/highgui.hpp> #include <opencv2/highgui/highgui_c.h> using namespace std; using namespace cv; int main(int argc, char** argv) { // 图像加载 Mat src = imread("./test2.jpg"); if (!src.data) { printf("could not load image...\n"); return -1; } char INPUT_T[] = "input image"; char OUTPUT_T[] = "histogram demo"; namedWindow(INPUT_T, CV_WINDOW_AUTOSIZE); namedWindow(OUTPUT_T, CV_WINDOW_AUTOSIZE); imshow(INPUT_T, src); // 分通道显示 vector<Mat> bgr_planes; split(src, bgr_planes); //imshow("single channel demo", bgr_planes[0]); // 计算直方图 int histSize = 256; float range[] = { 0, 256 }; const float *histRanges = { range }; Mat b_hist, g_hist, r_hist; calcHist(&bgr_planes[0], 1, 0, Mat(), b_hist, 1, &histSize, &histRanges, true, false); calcHist(&bgr_planes[1], 1, 0, Mat(), g_hist, 1, &histSize, &histRanges, true, false); calcHist(&bgr_planes[2], 1, 0, Mat(), r_hist, 1, &histSize, &histRanges, true, false); // 归一化 int hist_h = 400; // 直方图图像高 int hist_w = 512; // 直方图图像宽 int bin_w = hist_w / histSize; Mat histImage(hist_w, hist_h, CV_8UC3, Scalar(0, 0, 0)); normalize(b_hist, b_hist, 0, hist_h, NORM_MINMAX, -1, Mat()); normalize(g_hist, g_hist, 0, hist_h, NORM_MINMAX, -1, Mat()); normalize(r_hist, r_hist, 0, hist_h, NORM_MINMAX, -1, Mat()); // render histogram chart for (int i = 1; i < histSize; i++) { line(histImage, Point((i - 1)*bin_w, hist_h - cvRound(b_hist.at<float>(i - 1))), Point((i)*bin_w, hist_h - cvRound(b_hist.at<float>(i))), Scalar(255, 0, 0), 2, LINE_AA); line(histImage, Point((i - 1)*bin_w, hist_h - cvRound(g_hist.at<float>(i - 1))), Point((i)*bin_w, hist_h - cvRound(g_hist.at<float>(i))), Scalar(0, 255, 0), 2, LINE_AA); line(histImage, Point((i - 1)*bin_w, hist_h - cvRound(r_hist.at<float>(i - 1))), Point((i)*bin_w, hist_h - cvRound(r_hist.at<float>(i))), Scalar(0, 0, 255), 2, LINE_AA); } imshow(OUTPUT_T, histImage); waitKey(0); return 0; }
