直方图（一）
直方图概念
直方图是图像中像素强度分布的图形表达方式.
它统计了每一个强度值所具有的像素个数.
直方图分类
灰度直方图：边缘检测
RGB直方图：图像检索
二维直方图
直方图优点
计算代价低。
具有图像平移、缩放、旋转的不变性。
图像分割是图像识别的基础，基于灰度直方图的阈值分割计算简单，对遥感图像处理效果好。
- 直方图是计算机视觉最经典的工具之一。
直方图应用
- 图像相似度
- 灰度图像的阈值分割（将来会写一篇博客讲这个）
- 基于颜色的图像检索
- 图像分类
ps:喜欢摄影的朋友一定知道直方图可以做照片的后期处理，调出影调风格。
opencv3直方图产生函数cvCalcHist()
经过这个函数会得到一个Mat
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
)
const Mat* images：为输入图像的指针。
int nimages：要计算直方图的图像的个数。此函数可以为多图像求直方图，我们通常情况下都只作用于单一图像，所以通常nimages=1。
const int* channels：图像的通道，它是一个数组，如果是灰度图像则channels[1]={0};如果是彩色图像则channels[3]={0,1,2}；如果是只是求彩色图像第2个通道的直方图，则channels[1]={1};
IuputArray mask：是一个遮罩图像用于确定哪些点参与计算，实际应用中是个很好的参数，默认情况我们都设置为一个空图像，即：Mat()。
OutArray hist：计算得到的直方图
int dims：得到的直方图的维数，灰度图像为1维，彩色图像为3维。
const int* histSize：直方图横坐标的区间数。如果是10，则它会横坐标分为10份，然后统计每个区间的像素点总和。
const float** ranges：这是一个二维数组，用来指出每个区间的范围。
后面两个参数都有默认值，uniform参数表明直方图是否等距，最后一个参数与多图像下直方图的显示与存储有关。
画图函数
Mat getHistImg(const MatND& hist)
{
double maxVal=0;
double minVal=0;
//找到直方图中的最大值和最小值
minMaxLoc(hist,&minVal,&maxVal,0,0);
int histSize=hist.rows;
Mat histImg(histSize,histSize,CV_8U,Scalar(255));
// 设置最大峰值为图像高度的90%
int hpt=static_cast<int>(0.9*histSize);
for(int h=0;h<histSize;h++)
{
float binVal=hist.at<float>(h);
int intensity=static_cast<int>(binVal*hpt/maxVal);
line(histImg,Point(h,histSize),Point(h,histSize-intensity),Scalar::all(0));
}
return histImg;
}
完整示例
示例
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/core/core.hpp>
using namespace cv;
Mat getHistImg(const MatND& hist)
{
double maxVal=0;
double minVal=0;
//找到直方图中的最大值和最小值
minMaxLoc(hist,&minVal,&maxVal,0,0);
int histSize=hist.rows;
Mat histImg(histSize,histSize,CV_8U,Scalar(255));
// 设置最大峰值为图像高度的90%
int hpt=static_cast<int>(0.9*histSize);
for(int h=0;h<histSize;h++)
{
float binVal=hist.at<float>(h);
int intensity=static_cast<int>(binVal*hpt/maxVal);
line(histImg,Point(h,histSize),Point(h,histSize-intensity),Scalar::all(0));
}
return histImg;
}
int main()
{
Mat srcImage = imread("images/favorite/Lena.jpg");
imshow("Lena", srcImage);
cvtColor(srcImage,srcImage,CV_BGR2GRAY);
const int channels[1] = {0};
const int histSize[1] = {256};
float hranges[2]={0,255};
const float* ranges[1]={hranges};
MatND hist; //相当于mat
calcHist(&srcImage,1,channels,Mat(),hist,1,histSize,ranges);
imshow("hist", getHistImg(hist));
waitKey(10000);
return 0;
}
