22 OpenCV 直方图计算

直方图概念

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

split 通道分离函数

split(// 把多通道图像分为多个单通道图像
const Mat &src, //输入图像
Mat* mvbegin）// 输出的通道图像数组
1
2
3

calcHist 计算直方图

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
)
1
2
3
4
5
6
7
8
9
10
11
12

normalize 归一化函数

void cv::normalize  (   InputArray      src,
        InputOutputArray    dst,
        double      alpha = 1,
        double      beta = 0,
        int     norm_type = NORM_L2,
        int     dtype = -1,
        InputArray      mask = noArray() 
    )
参数解释
. src: 输入数组
. dst: 输出数组，与src有相同的尺寸
. alpha: 将数组归一化范围的最大值，有默认值1
. beta: 归一化的最小值，有默认值0
. norm_type: 归一化方式，可以查看NormTypes()函数查看详细信息，有默认值NORM_L2
. dtype: 当该值取负数时，输出数组与src有相同类型，否则，与src有相同的通道并且深度为CV_MAT_DEPTH(dtype)
. mask: 可选的掩膜版

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

归一化函数的作用是将数据转换为特定范围内的值，通常是[0, 1]或者[-1, 1]。这种转换可以消除不同特征之间的量纲影响，使得不同特征之间具有可比性，有利于模型的训练和优化。归一化还有助于加快模型的收敛速度，提高模型的稳定性和准确性。

示例

#include 
#include 
using namespace std;
using namespace cv;

Mat src, src_gray, dst;

const char* output_title = "final image";
int main()
{
	src = imread("test.jpg");//读取图片
	if (src.empty())
	{
		cout << "could not load img...";
		return -1;
	}
	imshow("test", src);
	// 分通道显示
	vector<Mat> bgr_planes; // 存储分离后的BGR三个通道
	split(src, bgr_planes); // 图像分离为三个通道

	// 计算直方图
	int histSize = 256; // 直方图尺寸
	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); // 计算蓝色通道直方图
	calcHist(&bgr_planes[1], 1, 0, Mat(), g_hist, 1, &histSize, &histRanges, true, false); // 计算绿色通道直方图
	calcHist(&bgr_planes[2], 1, 0, Mat(), r_hist, 1, &histSize, &histRanges, true, false); // 计算红色通道直方图

	// 归一化
	int hist_h = 400; // 直方图图像高度
	int hist_w = 512; // 直方图图像宽度
	int bin_w = hist_w / histSize; // 直方图条带宽度
	Mat histImage(hist_w, hist_h, CV_8UC3, Scalar(0, 0, 0)); // 创建直方图图像，黑色背景
	normalize(b_hist, b_hist, 0, hist_h, NORM_MINMAX, -1, Mat()); // 归一化蓝色通道直方图
	normalize(g_hist, g_hist, 0, hist_h, NORM_MINMAX, -1, Mat()); // 归一化绿色通道直方图
	normalize(r_hist, r_hist, 0, hist_h, NORM_MINMAX, -1, Mat()); // 归一化红色通道直方图

	// render histogram chart
	for (int i = 1; i < histSize; i++) {
		// 绘制蓝色通道直方图
		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);
		// 绘制绿色通道直方图
		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);
		// 绘制红色通道直方图
		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_title, histImage);
	waitKey(0);
	return 0;
}
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57