图像直方图（英语：Image Histogram）是用以表示数字图像中亮度分布的直方图，标绘了图像中每个亮度值的像素数。可以借助观察该直方图了解需要如何调整亮度分布。这种直方图中，横坐标的左侧为纯黑、较暗的区域，而右侧为较亮、纯白的区域。因此，一张较暗图片的图像直方图中的数据多集中于左侧和中间部分；而整体明亮、只有少量阴影的图像则相反。
很多数码相机提供图像直方图功能，拍摄者可以通过观察图像直方图了解到当前图像是否过分曝光或者曝光不足。
计算机视觉领域常借助图像直方图来实现图像的二值化.
图像直方图
1. 直方图演示
图像的直方图用来表征该图像像素值的分布情况。用一定数目的小区间(bin)来指定表征像素值的范围,每个小区间会得到落入该小区间表示范围的像素数目。
图像直方图图形化显示不同的像素值在不同的强度值上的出现频率，对于灰度图像来说强度范围为[0~255]之间，对于RGB的彩色图像可以独立显示三种颜色的图像直方图。
直方图演示.png
final Bitmap bitmap = BitmapFactory.decodeResource(res, R.drawable.test_hist2); image0.setImageBitmap(bitmap); CV4JImage cv4jImage = new CV4JImage(bitmap); image1.setImageBitmap(drawHist(cv4jImage.getProcessor(),new Paint()));
drawHist()用于展示图像的直方图，并把它转换成bitmap。
private Bitmap drawHist(ImageProcessor imageProcessor, Paint paint) { CalcHistogram calcHistogram = new CalcHistogram(); int bins = 127; int[][] hist = new int[imageProcessor.getChannels()][bins]; calcHistogram.calcHist(imageProcessor,bins,hist,true); Bitmap bm = Bitmap.createBitmap(imageProcessor.getWidth(),imageProcessor.getHeight(), Bitmap.Config.ARGB_8888); Canvas canvas = new Canvas(bm); paint.setColor(Color.BLACK); paint.setStyle(Paint.Style.FILL_AND_STROKE); canvas.drawRect(0,0,imageProcessor.getWidth(),imageProcessor.getHeight(),paint); float step = imageProcessor.getWidth()/127; int xoffset; int yoffset; int channels = imageProcessor.getChannels(); int h = imageProcessor.getHeight(); int[] colors = new int[]{Color.argb(77,255,0,0),Color.argb(77,0,255,0),Color.argb(77,0,0,255)}; for (int i=0;i<channels;i++) { paint.setColor(colors[i]); for (int j=0;j<bins;j++) { xoffset = (int)(j*step); yoffset = hist[i][j]*h/255; canvas.drawRect(xoffset,h-yoffset,xoffset+step,h,paint); } } return bm; }
如果对CalcHistogram感兴趣，可以查看cv4j的具体实现。
2. 直方图均衡化
直方图均衡化（histogram equalization）是一种借助直方图变换实现灰度映射从而达到图像增强目的的方法。
直方图均衡化通常是对图像灰度值进行归一化的一个非常好的方法，并且可以增强图像的对比度。
基本思想：把原始图的直方图变换成为均匀分布的形式，这样，就增加了像素灰度值的动态范围，从而达到增强图像整体对比度的效果。
直方图均衡化算法.png
直方图均值化.png
Resources res = getResources(); final Bitmap bitmap = BitmapFactory.decodeResource(res, R.drawable.test_hist); image0.setImageBitmap(bitmap); CV4JImage cv4jImage0 = new CV4JImage(bitmap); ImageProcessor imageProcessor = cv4jImage0.convert2Gray().getProcessor(); Paint paint = new Paint(); calcImage0.setImageBitmap(drawHist(imageProcessor,paint)); CV4JImage cv4jImage = new CV4JImage(bitmap); imageProcessor = cv4jImage.convert2Gray().getProcessor(); if (imageProcessor instanceof ByteProcessor) { EqualHist equalHist = new EqualHist(); equalHist.equalize((ByteProcessor) imageProcessor); image1.setImageBitmap(cv4jImage.getProcessor().getImage().toBitmap()); paint = new Paint(); calcImage1.setImageBitmap(drawHist(imageProcessor,paint)); }
private Bitmap drawHist(ImageProcessor imageProcessor,Paint paint) { CalcHistogram calcHistogram = new CalcHistogram(); int bins = 127; int[][] hist = new int[imageProcessor.getChannels()][bins]; calcHistogram.calcHist(imageProcessor,bins,hist,true); Bitmap bm = Bitmap.createBitmap(512,512, Bitmap.Config.ARGB_8888); Canvas canvas = new Canvas(bm); paint.setColor(Color.BLACK); paint.setStyle(Paint.Style.FILL_AND_STROKE); canvas.drawRect(0,0,512,512,paint); float step = 512.0f/127; int xoffset; int yoffset; int channels = imageProcessor.getChannels(); int[] colors = new int[]{Color.argb(127,255,0,0),Color.argb(127,0,255,0),Color.argb(127,0,0,255)}; for (int i=0;i<channels;i++) { paint.setColor(colors[i]); for (int j=0;j<bins;j++) { xoffset = (int)(j*step); yoffset = hist[i][j]*512/255; canvas.drawRect(xoffset,512-yoffset,xoffset+step,512,paint); } } return bm; }
同样，如果对EqualHist感兴趣，可以查看cv4j的具体实现。
它们能做什么？
图像是由像素构成的，然而直方图能够反映像素的分布情况，可以作为是图像一个很重要的特征。在实际开发中，图像直方图在特征提取、图像匹配等方面都有很好的应用。除此之外，直方图还能做图像的相似度匹配。
直方图均衡化则用于增强图片，利于人的视觉效果或便于机器识别。
总结
CalcHistogram 和 EqualHist 是cv4j中直方图相关操作的类。
cv4j 是gloomyfish和我一起开发的图像处理库，纯java实现，目前还处于早期的版本。
cv4j.png
上周末我们开始做直方图的相关操作，预计下周能做完这个模块。
另外，在Google I/O之后，我们第一时间便更新了cv4j中的rxcv4j模块。该模块顾名思义是对cv4j使用RxJava进行封装，我们将该模块用Kotlin重写，也算是赶了一回时髦：）。
