返回:OpenCV系列文章目录（持续更新中......）

上一篇：OpenCV实现直方图均衡

下一篇 :OpenCV系列文章目录（持续更新中......）

在本教程中，您将学习如何：

• 使用 OpenCV 函数 cv::split 将图像划分为其对应平面。
• 使用 OpenCV 函数计算图像数组的直方图 cv::calcHist
• 使用函数 cv::normalize 规范化数组

注意

在上一个教程（直方图均衡）中，我们讨论了一种特殊的直方图，称为图像直方图。现在我们将从更一般的概念中考虑它。请继续阅读！

什么是直方图？

• 直方图是组织到一组预定义箱中的数据计数的集合
• 当我们说数据时，我们并没有将其限制为强度值（正如我们在上一教程直方图均衡中看到的那样）。收集的数据可以是您认为对描述图像有用的任何特征。
• 让我们看一个例子。想象一下，矩阵包含图像的信息即强度在(0-255)范围内：

• 如果我们想以有组织的方式计算这些数据，会发生什么？由于我们知道这种情况的信息值范围是 256 个值，因此我们可以将范围分割成子部分（称为箱），例如：

[0,255]=[0,15]∪[16,31]∪....∪[240,255]�����=���1∪���2∪....∪����=15

我们可以计算每个 \（bin_{i}\） 范围内的像素数。将其应用于上面的示例，我们得到下面的图像（轴 x 表示箱，轴 y 表示每个箱中的像素数）。

• 这只是直方图如何工作以及为什么它有用的简单示例。直方图不仅可以计算颜色强度，还可以计算我们想要测量的任何图像特征（即渐变、方向等）。
• 让我们确定直方图的某些部分：
  1. dims：要收集数据的参数数。在我们的示例中，dims = 1，因为我们只计算每个像素的强度值（在灰度图像中）。
  2. bins：是每个 dim 中的细分数量。在我们的示例中，bins = 16
  3. range：要测量的值的限值。在本例中：范围 = [0,255]
• 如果要计算两个功能怎么办？在这种情况下，生成的直方图将是一个 3D 图（其中 x 和 y 将是每个特征的 \（bin_{x}\） 和 \（bin_{y}\），z 将是 \（（bin_{x}， bin_{y}）\） 的每个组合的计数数）。这同样适用于更多功能（当然它会变得更棘手）。

OpenCV 为您提供什么

为了简单起见，OpenCV 实现了函数 cv：：calcHist ，它计算一组数组（通常是图像或图像平面）的直方图。它最多可以操作 32 个尺寸。我们将在下面的代码中看到它！

C++代码
 

• 这个程序是做什么的？
  • 加载图像
  • 使用函数 cv::split 将图像拆分为 R、G 和 B 平面
  • 通过调用函数 cv::calcHist 计算每个 1 通道平面的直方图
  • 在窗口中绘制三个直方图
• 可下载代码： 点击这里
• 代码一览
• :

  #include "opencv2/highgui.hpp"
  #include "opencv2/imgcodecs.hpp"
  #include "opencv2/imgproc.hpp"
  #include <iostream>using namespace std;
  using namespace cv;int main(int argc, char** argv)
  {CommandLineParser parser( argc, argv, "{@input | lena.jpg | input image}" );Mat src = imread( samples::findFile( parser.get<String>( "@input" ) ), IMREAD_COLOR );if( src.empty() ){return EXIT_FAILURE;}vector<Mat> bgr_planes;split( src, bgr_planes );int histSize = 256;float range[] = { 0, 256 }; //the upper boundary is exclusiveconst float* histRange[] = { range };bool uniform = true, accumulate = false;Mat b_hist, g_hist, r_hist;calcHist( &bgr_planes[0], 1, 0, Mat(), b_hist, 1, &histSize, histRange, uniform, accumulate );calcHist( &bgr_planes[1], 1, 0, Mat(), g_hist, 1, &histSize, histRange, uniform, accumulate );calcHist( &bgr_planes[2], 1, 0, Mat(), r_hist, 1, &histSize, histRange, uniform, accumulate );int hist_w = 512, hist_h = 400;int bin_w = cvRound( (double) hist_w/histSize );Mat histImage( hist_h, hist_w, CV_8UC3, Scalar( 0,0,0) );normalize(b_hist, b_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat() );normalize(g_hist, g_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat() );normalize(r_hist, r_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat() );for( int i = 1; i < histSize; i++ ){line( histImage, Point( bin_w*(i-1), hist_h - cvRound(b_hist.at<float>(i-1)) ),Point( bin_w*(i), hist_h - cvRound(b_hist.at<float>(i)) ),Scalar( 255, 0, 0), 2, 8, 0 );line( histImage, Point( bin_w*(i-1), hist_h - cvRound(g_hist.at<float>(i-1)) ),Point( bin_w*(i), hist_h - cvRound(g_hist.at<float>(i)) ),Scalar( 0, 255, 0), 2, 8, 0 );line( histImage, Point( bin_w*(i-1), hist_h - cvRound(r_hist.at<float>(i-1)) ),Point( bin_w*(i), hist_h - cvRound(r_hist.at<float>(i)) ),Scalar( 0, 0, 255), 2, 8, 0 );}imshow("Source image", src );imshow("calcHist Demo", histImage );waitKey();return EXIT_SUCCESS;
  }

解释
 

加载源图像

 CommandLineParser parser( argc, argv, "{@input | lena.jpg | input image}" );Mat src = imread( samples::findFile( parser.get<String>( "@input" ) ), IMREAD_COLOR );if( src.empty() ){return EXIT_FAILURE;}

将源图像分隔到三个 R、G 和 B 平面中。为此，我们使用 OpenCV 函数cv::split :

 vector<Mat> bgr_planes;split( src, bgr_planes );

• 我们的输入是要分割的图像（在这种情况下有三个通道），输出是 Mat 的向量）

• 现在，我们已准备好开始配置每个平面的直方图。由于我们正在使用 B、G 和 R 平面，因此我们知道我们的值将在区间内范围内[0,255]

• 确定箱数 （5， 10...）：

 int histSize = 256;

设置值范围（正如我们所说，介于 0 和 255 之间）

 float range[] = { 0, 256 }; //the upper boundary is exclusiveconst float* histRange[] = { range };

我们希望我们的箱具有相同的大小（均匀），并在开始时清除直方图，因此：

 bool uniform = true, accumulate = false;

我们继续使用 OpenCV 函数 cv::calcHist 计算直方图：

 Mat b_hist, g_hist, r_hist;calcHist( &bgr_planes[0], 1, 0, Mat(), b_hist, 1, &histSize, histRange, uniform, accumulate );calcHist( &bgr_planes[1], 1, 0, Mat(), g_hist, 1, &histSize, histRange, uniform, accumulate );calcHist( &bgr_planes[2], 1, 0, Mat(), r_hist, 1, &histSize, histRange, uniform, accumulate );

• 其中参数为 （C++ 代码）：
  • &bgr_planes[0]：源数组
  • 1：源数组的数量（在本例中我们使用 1.我们也可以在这里输入数组列表：）
  • 0：要测量的通道（暗淡）。在这种情况下，它只是强度（每个数组都是单通道的），所以我们只写 0。
  • Mat()：要在源数组上使用的掩码（零表示要忽略的像素）。如果未定义，则不使用
  • b_hist：将存储直方图的 Mat 对象
  • 1：直方图维数。
  • histSize：每个使用维度的箱数
  • histRange：每个维度要测量的值范围
  • 均匀和累积：箱大小相同，直方图在开始时被清除。

• 创建图像以显示直方图：

 int hist_w = 512, hist_h = 400;int bin_w = cvRound( (double) hist_w/histSize );Mat histImage( hist_h, hist_w, CV_8UC3, Scalar( 0,0,0) );

请注意，在绘制之前，我们首先对直方图进行 cv::规范化，使其值落在输入的参数指示的范围内：

 normalize(b_hist, b_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat() );normalize(g_hist, g_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat() );normalize(r_hist, r_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat() );

• 此函数接收以下参数（C++ 代码）：
  • b_hist：输入数组
  • b_hist：输出规范化数组（可以相同）
  • 0 和 histImage.rows：在此示例中，它们是规范化 r_hist 值的下限和上限
  • NORM_MINMAX：指示规范化类型的参数（如上所述，它调整之前设置的两个限制之间的值）
  • -1：表示输出规范化数组的类型将与输入相同
  • 垫（）：可选面罩

• 要访问箱（在本例中为此 1D 直方图），请注意：

 for( int i = 1; i < histSize; i++ ){line( histImage, Point( bin_w*(i-1), hist_h - cvRound(b_hist.at<float>(i-1)) ),Point( bin_w*(i), hist_h - cvRound(b_hist.at<float>(i)) ),Scalar( 255, 0, 0), 2, 8, 0 );line( histImage, Point( bin_w*(i-1), hist_h - cvRound(g_hist.at<float>(i-1)) ),Point( bin_w*(i), hist_h - cvRound(g_hist.at<float>(i)) ),Scalar( 0, 255, 0), 2, 8, 0 );line( histImage, Point( bin_w*(i-1), hist_h - cvRound(r_hist.at<float>(i-1)) ),Point( bin_w*(i), hist_h - cvRound(r_hist.at<float>(i)) ),Scalar( 0, 0, 255), 2, 8, 0 );}

我们使用表达式（C++代码）：

b_hist.at<float>(i)

其中表示尺寸。如果它是 2D 直方图，我们会使用如下内容：最后，我们显示直方图并等待用户退出：

 imshow("Source image", src );imshow("calcHist Demo", histImage );waitKey();

结果

1. 使用如下所示的图像作为输入参数：

1. 生成以下直方图：

---

参考文献：

1、《Histogram Calculation》-----Ana Huamán