OpenCV 图像直方图

一、知识点
1、图像直方图

(1)、图像直方图(Histogram)是图像像素值的统计报告图。

(2)、由一系列高度不等的纵向条纹或线段表示数据分布的情况，一般横轴表示数据类型，纵轴表示分布情况。

(3)、计算代价较小，具有图像平移、旋转、缩放不变性等众多优点。

(4)、广泛地应用于图像处理的各个领域，特别是灰度图像的阈值分割、基于颜色的图像检索以及图像分类、反向投影跟踪。

(5)、常见的分为灰度直方图、颜色直方图。

(6)、例如灰度直方图，横坐标是0到255，纵坐标表示灰度值在像素点出现的次数。

2、Bins

(1)、bin，英文翻译为箱子，我理解为直方图的一个条纹、柱子。

(2)、Bins指直方图柱子的个数，即把数据划分为连续区间的个数，用于统计每个区间内数据出现的频次。

(3)、对于像素值在0-255之间的，可以有256个bin，可以有16、32、48、128等，256除以bin应该是整数倍。

3、void calcHist( const Mat * images,
int nimages,
const int * channels,
InputArray mask,
OutputArray hist,
int dims,
const int * histSize,
const float** ranges,
bool uniform = true,
bool accumulate = false );

(1)、用于统计图像中每个灰度值的像素个数，即计算图像直方图。

(2)、参数说明:

images: 源图像数组。它们应具有相同的深度(CV_8U、CV_16U、CV_32F)、相同的尺寸，但它们每一个可以有任意数量的通道。

nimages: 源图像的数量。

channels: 需要统计的通道索引数组。第一个图像的通道索引为0到images[0].channels() - 1，第二个图像通道索引为images[0].channels()到images[0].channels() + images[1].channels() - 1，依次类推。

mask: 可选掩码。若不为空，则它必须和源图像大小相同且像素深度为8位。非零元素对应的图像元素才计算直方图。

hist: 输出的统计直方图结果，它是一个dims维度的数组。

dims: 需要计算直方图的维度，必须是整数，不能大于CV_MAX_DIMS。

histSize: 每个维度的直方图bins数组。

ranges: 每个图像通道中灰度值的取值范围。

uniform: 直方图是否均匀的标志，默认为均匀。

accumulate: 是否累计统计直方图的标志。该参数主要用于统计多个图像整体的直方图。

(3)、因此函数参数较多且复杂，建议将彩色图像先分离通道再计算直方图。

4、int cvRound(double value)

(1)、对浮点数进行四舍五入。

二、示例代码

cpp 复制代码

#include <iostream>
#include <opencv2/opencv.hpp>


int main()
{
    //1.读取源彩色图像
    cv::Mat src = cv::imread("../images/img08.png");
    if (src.empty())
    {
        std::cout << "load src image error..." << std::endl;
        return -1;
    }

    //2.三通道分离
    std::vector<cv::Mat> bgr_plane;
    cv::split(src, bgr_plane);

    //3.定义参数变量
    const int bins[1] = { 256 };
    float hrange[2] = { 0, 255 };
    const float* ranges[1] = { hrange };
    cv::Mat b_hist;
    cv::Mat g_hist;
    cv::Mat r_hist;

    //4.计算Blue、Green、Red通道的直方图
    cv::calcHist(&bgr_plane[0], 1, nullptr, cv::Mat(), b_hist, 1, bins, ranges);
    cv::calcHist(&bgr_plane[1], 1, nullptr, cv::Mat(), g_hist, 1, bins, ranges);
    cv::calcHist(&bgr_plane[2], 1, nullptr, cv::Mat(), r_hist, 1, bins, ranges);

    //5.创建画布
    int hist_w = 512;
    int hist_h = 400;
    int bin_w = cvRound((double)hist_w / bins[0]);
    cv::Mat histImage = cv::Mat::zeros(hist_h, hist_w, CV_8UC3);

    //6.归一化直方图数据
    cv::normalize(b_hist, b_hist, 0, histImage.rows, cv::NORM_MINMAX, -1, cv::Mat());
    cv::normalize(g_hist, g_hist, 0, histImage.rows, cv::NORM_MINMAX, -1, cv::Mat());
    cv::normalize(r_hist, r_hist, 0, histImage.rows, cv::NORM_MINMAX, -1, cv::Mat());

    //7.绘制直方图曲线
    for (int i = 1; i < bins[0]; i++)
    {
        cv::line(histImage, cv::Point(bin_w * (i - 1), hist_h - cvRound(b_hist.at<float>(i - 1))),
            cv::Point(bin_w * i, hist_h - cvRound(b_hist.at<float>(i))), cv::Scalar(255, 0, 0), 2, 8, 0);
        cv::line(histImage, cv::Point(bin_w * (i - 1), hist_h - cvRound(g_hist.at<float>(i - 1))),
            cv::Point(bin_w * i, hist_h - cvRound(g_hist.at<float>(i))), cv::Scalar(0, 255, 0), 2, 8, 0);
        cv::line(histImage, cv::Point(bin_w * (i - 1), hist_h - cvRound(r_hist.at<float>(i - 1))),
            cv::Point(bin_w * i, hist_h - cvRound(r_hist.at<float>(i))), cv::Scalar(0, 0, 255), 2, 8, 0);
    }

    //8.显示直方图
    cv::namedWindow("Hisogram Demo", cv::WINDOW_AUTOSIZE);
    cv::imshow("Hisogram Demo", histImage);

    cv::waitKey(0);

    return 0;
}

输出结果: