直方图:cv::calcHist()
cv::calcHist()
是 OpenCV 中用于计算直方图的函数。直方图是一种用于可视化图像亮度或颜色分布的工具。这函数通常应用于灰度图像或彩色图像的各个通道。以下是 cv::calcHist()
函数的基本语法和参数:
cpp
void cv::calcHist(
const cv::Mat* images, // 输入图像的数组
int nimages, // 输入图像的数量
const int* channels, // 通道索引数组(可以为空)
const cv::InputArray& mask, // 掩模图像(可以为空)
cv::OutputArray& hist, // 输出的直方图
int dims, // 直方图的维数
const int* histSize, // 直方图的尺寸数组
const float* ranges[], // 直方图范围数组
bool uniform = true, // 直方图是否均匀分布
bool accumulate = false // 是否累积直方图
);
以下是参数的说明:
images
:输入图像的数组,可以是一个或多个图像。nimages
:输入图像的数量,通常为1。channels
:通道索引数组,指定要计算直方图的通道。对于灰度图像,通常为0。对于彩色图像,通道索引可以是{0, 1, 2},分别代表蓝色、绿色和红色通道。mask
:可选的掩模图像,用于限制计算直方图的区域。可以为空。hist
:输出的直方图。dims
:直方图的维数。通常为1。histSize
:直方图的尺寸数组,表示直方图的柱数。ranges
:直方图范围数组,指定直方图的范围。通常为{0, 256},表示像素值的范围。uniform
:指定是否将直方图均匀分布,如果为true,每个直方柱的宽度相同。accumulate
:指定是否累积直方图,如果为true,直方图将被累积。
cv::calcHist()
函数用于计算直方图后,你可以进一步分析或可视化直方图数据。这对于图像处理、分析和计算机视觉任务非常有用。
以下是一个更完整的 cv::calcHist()
函数的示例,它将计算一幅图像的直方图并绘制出来。这个示例假定你已经读取了一幅图像,并且使用灰度图像计算直方图:
cpp
#include <opencv2/opencv.hpp>
#include <opencv2/highgui/highgui.hpp>
int main() {
// 读取图像
cv::Mat image = cv::imread("your_image.jpg");
if (image.empty()) {
std::cerr << "Error: Could not read the image." << std::endl;
return -1;
}
// 将图像转换为灰度图像
cv::Mat gray_image;
cv::cvtColor(image, gray_image, cv::COLOR_BGR2GRAY);
// 定义直方图的参数
int histSize = 256; // 直方图中的条柱数量
float range[] = {0, 256}; // 像素值范围
const float* histRange = {range};
// 计算直方图
cv::Mat hist;
cv::calcHist(&gray_image, 1, 0, cv::Mat(), hist, 1, &histSize, &histRange);
// 创建一个空的直方图图像
int hist_w = 512;
int hist_h = 400;
cv::Mat hist_image(hist_h, hist_w, CV_8UC3, cv::Scalar(0, 0, 0));
// 归一化直方图
cv::normalize(hist, hist, 0, hist_image.rows, cv::NORM_MINMAX, -1, cv::Mat());
// 绘制直方图
for (int i = 1; i < histSize; i++) {
cv::line(hist_image, cv::Point(i - 1, hist_h - cvRound(hist.at<float>(i - 1))),
cv::Point(i, hist_h - cvRound(hist.at<float>(i))),
cv::Scalar(255, 255, 255), 2, 8, 0);
}
// 显示原始图像和直方图
cv::namedWindow("Original Image", cv::WINDOW_AUTOSIZE);
cv::imshow("Original Image", gray_image);
cv::namedWindow("Histogram", cv::WINDOW_AUTOSIZE);
cv::imshow("Histogram", hist_image);
cv::waitKey(0);
return 0;
}
这个示例将图像转换为灰度图像,计算其直方图,然后绘制直方图并显示原始图像以及对应的直方图。希望这个示例可以帮助你理解如何使用 cv::calcHist()
函数来计算和可视化图像的直方图。
绘制H---S直方图
cpp
#include <opencv2/opencv.hpp>
int main() {
// 读取图像
cv::Mat image = cv::imread("1.jpg");
if (image.empty()) {
std::cerr << "Error: Could not read the image." << std::endl;
return -1;
}
// 将图像转换为HSV颜色空间
cv::Mat hsv_image;
cv::cvtColor(image, hsv_image, cv::COLOR_BGR2HSV);
// 分割H和S通道
std::vector<cv::Mat> channels;
cv::split(hsv_image, channels);
// 定义直方图的参数
int histSize = 256; // 直方图中的条柱数量
float hRange[] = { 0, 256 }; // 色相通道的像素值范围
const float* hHistRange = { hRange };
float sRange[] = { 0, 256 }; // 饱和度通道的像素值范围
const float* sHistRange = { sRange };
// 计算H和S通道的直方图
cv::Mat h_hist, s_hist;
cv::calcHist(&channels[0], 1, 0, cv::Mat(), h_hist, 1, &histSize, &hHistRange);
cv::calcHist(&channels[1], 1, 0, cv::Mat(), s_hist, 1, &histSize, &sHistRange);
// 归一化直方图
cv::normalize(h_hist, h_hist, 0, 255, cv::NORM_MINMAX, -1, cv::Mat());
cv::normalize(s_hist, s_hist, 0, 255, cv::NORM_MINMAX, -1, cv::Mat());
// 创建一个直方图图像
int hist_w = 512;
int hist_h = 400;
cv::Mat hist_image(hist_h, hist_w, CV_8UC3, cv::Scalar(0, 0, 0));
// 绘制H通道直方图
for (int i = 1; i < histSize; i++) {
cv::line(hist_image, cv::Point(i - 1, hist_h - cvRound(h_hist.at<float>(i - 1))),
cv::Point(i, hist_h - cvRound(h_hist.at<float>(i))),
cv::Scalar(0, 0, 255), 2, 8, 0);
}
// 绘制S通道直方图
for (int i = 1; i < histSize; i++) {
cv::line(hist_image, cv::Point(i - 1, hist_h - cvRound(s_hist.at<float>(i - 1))),
cv::Point(i, hist_h - cvRound(s_hist.at<float>(i))),
cv::Scalar(0, 255, 0), 2, 8, 0);
}
// 显示图像和H-S直方图
cv::imshow("mage", image);
cv::imshow("H-S Histogram", hist_image);
cv::waitKey(0);
return 0;
}
绘制二维H---S直方图
cpp
#include <opencv2/opencv.hpp>
int main() {
// 读取图像
cv::Mat image = cv::imread("1.jpg");
if (image.empty()) {
std::cerr << "Error: Could not read the image." << std::endl;
return -1;
}
// 将图像转换为HSV颜色空间
cv::Mat hsv_image;
cv::cvtColor(image, hsv_image, cv::COLOR_BGR2HSV);
// 定义直方图的参数
int h_bins = 30; // 色相通道的柱数
int s_bins = 32; // 饱和度通道的柱数
int histSize[] = {h_bins, s_bins};
float h_range[] = {0, 180}; // 色相通道的范围
float s_range[] = {0, 256}; // 饱和度通道的范围
const float* ranges[] = {h_range, s_range};
// 计算H-S直方图
cv::MatND hist;
int channels[] = {0, 1}; // 色相和饱和度通道
cv::calcHist(&hsv_image, 1, channels, cv::Mat(), hist, 2, histSize, ranges, true, false);
// 归一化直方图
cv::normalize(hist, hist, 0, 1, cv::NORM_MINMAX, -1, cv::Mat());
// 创建一个H-S直方图图像
int hist_w = 512;
int hist_h = 512;
cv::Mat hist_image(hist_h, hist_w, CV_8UC3, cv::Scalar(0, 0, 0));
// 绘制直方图
for (int h = 0; h < h_bins; h++) {
for (int s = 0; s < s_bins; s++) {
float bin_val = hist.at<float>(h, s);
int intensity = cvRound(bin_val * 255);
cv::rectangle(hist_image, cv::Point(h * (hist_w / h_bins), s * (hist_h / s_bins)),
cv::Point((h + 1) * (hist_w / h_bins), (s + 1) * (hist_h / s_bins)),
cv::Scalar(intensity, intensity, intensity), -1);
}
}
// 显示原始图像和H-S直方图
cv::imshow("Image", image);
cv::imshow("H-S Histogram", hist_image);
cv::waitKey(0);
return 0;
}
绘制RGB三色直方图
cpp
#include <opencv2/opencv.hpp>
int main() {
// 读取图像
cv::Mat image = cv::imread("1.jpg");
if (image.empty()) {
std::cerr << "Error: Could not read the image." << std::endl;
return -1;
}
// 定义直方图的参数
int histSize = 256; // 直方图中的条柱数量
float range[] = { 0, 256 }; // 像素值范围
const float* histRange = { range };
// 分割RGB通道
std::vector<cv::Mat> channels;
cv::split(image, channels);
// 计算红色通道的直方图
cv::Mat red_hist;
cv::calcHist(&channels[2], 1, 0, cv::Mat(), red_hist, 1, &histSize, &histRange);
// 计算绿色通道的直方图
cv::Mat green_hist;
cv::calcHist(&channels[1], 1, 0, cv::Mat(), green_hist, 1, &histSize, &histRange);
// 计算蓝色通道的直方图
cv::Mat blue_hist;
cv::calcHist(&channels[0], 1, 0, cv::Mat(), blue_hist, 1, &histSize, &histRange);
// 归一化直方图
cv::normalize(red_hist, red_hist, 0, 255, cv::NORM_MINMAX, -1, cv::Mat());
cv::normalize(green_hist, green_hist, 0, 255, cv::NORM_MINMAX, -1, cv::Mat());
cv::normalize(blue_hist, blue_hist, 0, 255, cv::NORM_MINMAX, -1, cv::Mat());
// 创建一个直方图图像
int hist_w = 512;
int hist_h = 400;
cv::Mat hist_image(hist_h, hist_w, CV_8UC3, cv::Scalar(0, 0, 0));
// 绘制红色通道直方图
for (int i = 1; i < histSize; i++) {
cv::line(hist_image, cv::Point(i - 1, hist_h - cvRound(red_hist.at<float>(i - 1))),
cv::Point(i, hist_h - cvRound(red_hist.at<float>(i))),
cv::Scalar(0, 0, 255), 2, 8, 0);
}
// 绘制绿色通道直方图
for (int i = 1; i < histSize; i++) {
cv::line(hist_image, cv::Point(i - 1, hist_h - cvRound(green_hist.at<float>(i - 1))),
cv::Point(i, hist_h - cvRound(green_hist.at<float>(i))),
cv::Scalar(0, 255, 0), 2, 8, 0);
}
// 绘制蓝色通道直方图
for (int i = 1; i < histSize; i++) {
cv::line(hist_image, cv::Point(i - 1, hist_h - cvRound(blue_hist.at<float>(i - 1))),
cv::Point(i, hist_h - cvRound(blue_hist.at<float>(i))),
cv::Scalar(255, 0, 0), 2, 8, 0);
}
// 显示原始图像和RGB三色直方图
cv::imshow("mage", image);
cv::imshow("RGB Histogram", hist_image);
cv::waitKey(0);
return 0;
}