PhotoShop算法实现--直方图（十）

PhotoShop算法实现--直方图（十）

kezunhai@gmail.com

http://blog.csdn.net/kezunhai

         亮度直方图（Histogram）就是一张表示图像色彩R、G、B三分量各个亮度级的分布图像。它的横坐标是亮度级，范围为[0,255]，纵坐标是该亮度的频率，即像素的分布数，通过它可以了解图像的一个很基本的统计特征。

         实现原理：首先建立一个256级的亮度数组，然后取出图像中的每一个像素的亮度值，再将亮度数组对应亮度级的统计值加1，最后根据各亮度级的统计值计算出对应的概率。

          实现代码：

void PhotoShop::Histogram(Mat& img, Mat& gImg)
{
	if ( gImg.empty())	
		gImg.create(480,480, CV_8UC1);		

	gImg = cv::Scalar::all(0);

	int i, j;
	Size size = img.size();
	int chns = img.channels();

	float total = size.width* size.height;

	int Count[256] = {0};
	float Probability[256]={0};

	if (img.isContinuous() && gImg.isContinuous())
	{
		size.width *= size.height; 
		size.height = 1;
	}

	for (  i= 0; i<size.height; ++i)
	{
		const unsigned char* src = (const unsigned char*)(img.data+ img.step*i);		
		for (  j=0; j<size.width; ++j)
		{						
			Count[src[j]]++;
		}
	}

	float maxP = 0;
	for ( i =0; i<256; ++i)
	{
		Probability [i] = Count[i]/total;
		if ( Probability[i]>maxP)
		{
			maxP = Probability[i];
		}	
	}

	int scale = 400/maxP;
	for ( i =0; i<256; ++i)
	{
		int py = (int)(Probability[i]*scale+0.5);
		// 画出概率图
		line(gImg, Point(i+80, gImg.rows-40),Point(i+80, gImg.rows-40-py),cv::Scalar::all(255),1);
	}

}

       这里只实现了单通道（灰度图像）的直方图计算方法，对于多通道的情况，可以进行通道拆分，分别予以计算，然后显示。

实现效果如下图所示：

       

            从颜色直方图上看，可以知道，这种图片的灰度分布较为均匀。图像的直方图包含了丰富的图像信息，描述各通道的亮度级分布，反应了亮度的分布情况，在图像处理中具有广泛的应用（如图像分割、增强等）。

作者：kezunhai 出处：http://blog.csdn.net/kezunhai 欢迎转载或分享，但请务必声明文章出处。