OpenCV3.0 Examples学习笔记（4）-demhist.cpp

这个系列的目的是通过对OpenCV示例，进一步了解OpenCV函数的使用，不涉及具体原理。

目录

简介

Example运行截图

Example分析

1.调节亮度和对比度

    1.1源码

    1.2源码分析-使用convertTo调节图像亮度和对比度

2.绘制图像直方图

    2.1源码

    2.2源码分析

        2.2.1使用calcHist计算直方图

        2.2.2使用Mat::ones创建Mat

        2.2.3使用normalize函数归一化

        2.2.4使用cvRound四舍五入

3.创建滚动条调整参数

Example代码

简介

本文记录了对OpenCV示例 dedmhist.cpp 的分析。

资料地址: http://docs.opencv.org/3.0.0/d2/dcb/demhist_8cpp-example.html

首先这个示例非常有意义，因为OpenCV和很多图像库不同，并未明确提供对亮度和对比度操作的接口，看了

这个示例后就可以搞定。

整个示例可以总结为

（1） 调节图像亮度对比度；

（2）绘制图像直方图；

（3）创建滚动条调整参数。

Example运行截图

brightness	contrast	image	histogram
100	100
200	100
100	200

Example分析

1.调节图像亮度对比度

1.1源码

image.convertTo(dst, CV_8U, a, b);

1.2源码分析-使用convertTo条件图像对比度和亮度

如之前所讲，在OpenCV中无法直接找到如Light（亮度）或Contrast（对比度）字样的接口，

其功能通过函数convertTo实现。

cv::Mat::convertTo 这个函数提供点算子（像素变换）能力，通过增益（alpha）和偏置（beta）参数对图像进行调整，我们也可以使用它完成亮度（beta）和对比度（alpha）的调整，其公式如下 函数原型： void convertTo( OutputArray m, int rtype, double alpha=1, double beta=0 ) const; 参数说明： m：输出矩阵；如果在使用前没有声明或需要修改，会自行分配（需要赞美的能力！）。  rtype：新的矩阵类型。因此也有人使用这个函数进行类型转换 alpha：增益参数，对比度 beta：偏置参数，亮度 PS:convertTo属于Mat的成员函数。 PS2：saturate_cast用于防止溢出，结果小于0则转为0，大于255，则转为255。

2.绘制图像直方图

2.1源码

calcHist(&dst, 1, 0, Mat(), hist, 1, &histSize, 0);

Mat histImage = Mat::ones(200, 320, CV_8U)*255;

normalize(hist, hist, 0, histImage.rows, NORM_MINMAX, CV_32F);

histImage = Scalar::all(255);

int binW = cvRound((double)histImage.cols/histSize);

for( int i = 0; i < histSize; i++ )

    rectangle( histImage, Point(i*binW, histImage.rows),

                   Point((i+1)*binW, histImage.rows - cvRound(hist.at<float>(i))),

                   Scalar::all(0), -1, 8, 0 );

2.2源码分析

2.2.1使用calcHist计算直方图

OpenCV提供calcHist计算直方图

calcHist 函数原型： 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 ); 参数说明： arrays：输入的图像的指针，可以是多幅图像，所有的图像必须有同样的深度（CV_8U or CV  _32F）。              同时一副图像可以有多个channes。 nimages：输入的图像的个数。 channels：用来计算直方图的channes的数组。比如输入是2副图像，第一副图像有0，1，2共三个cha                    nnel，第二幅图像只有0一个channel，那么输入就一共有4个channes，如果int channels                    [3] = {3, 2, 0}，那么就表示是使用第二副图像的第一个通道和第一副图像的第2和第0个通                    道来计算直方图。 mask：掩码。如果mask不为空，那么它必须是一个8位（CV_8U）的数组，并且它的大小的和arrays[i]             的大小相同，值为1的点将用来计算直方图。 hist：计算出来的直方图 dims：计算出来的直方图的维数。 histSize：在每一维上直方图的个数。简单把直方图看作一个一个的竖条的话，就是每一维上竖条的个                 数。 ranges：用来进行统计的范围。比如                float rang1[] = {0, 20};                float rang2[] = {30, 40};                const float *rangs[] = {rang1, rang2};那么就是对0，20和30，40范围的值进行统计。 uniform：每一个竖条的宽度是否相等。 accumulate：是否累加。如果为true，在下次计算的时候不会首先清空hist。

2.2.2使用Mat::ones创建Mat

示例中使用 Mat histImage = Mat::ones(200, 320, CV_8U)*255; 创建了一个Mat，

这个Mat的rows为200，cols为320，type为CV_8U(每一位使用一个字节)；

并且为其每一个位置赋值为255；

这里就引入了一个重要的函数Mat::ones。

Mat::ones 返回指定大小和类型的的矩阵，并且所有元素值为1。（Matlab中常常使用） 函数原型： MatExpr ones(int rows, int cols, int type); 参数说明： rows：行数 cols：列数 type：类型 PS：常以类似 Mat  A =  Mat::ones (100, 100,  CV_8U )*3;的形式使用，直接将其元素赋值。

2.2.3使用normalize函数归一化

normalize 该函数归一化输入数组使它的范数或者数值范围在一定的范围内。 函数原型： void normalize( InputArray src,                             InputOutputArray dst,                             double alpha = 1,                             double beta = 0,                            int norm_type = NORM_L2,                             int dtype = -1,                             InputArray mask = noArray()); 参数说明： src：输入数组 dst ：输出数组，支持原地运算 alpha：range normalization模式的最小值 beta：range normalization模式的最大值，不用于norm normalization(范数归一化)模式 normType：归一化的类型，可以有以下的取值：                      NORM_MINMAX:数组的数值被平移或缩放到一个指定的范围，线性归一化，                      一般较常用。                      NORM_INF: 此类型的定义没有查到，根据OpenCV 1的对应项，可能是归一化                      数组的C-范数(绝对值的最大值)                      NORM_L1 :  归一化数组的L1-范数(绝对值的和)                      NORM_L2: 归一化数组的(欧几里德)L2-范数 dtype：dtype为负数时，输出数组的type与输入数组的type相同；否则，输出数组与输入数              组只是通道数相同，而tpye=CV_MAT_DEPTH(dtype). mask：操作掩膜，用于指示函数是否仅仅对指定的元素进行操作。

2.2.3使用常数为Mat赋值

源码中有一段代码histImage = Scalar::all(255);其实是多余的，将其注释掉也完全没有影响，因为

这段代码意味着使用255为Mat histImage所有元素赋值。

不过这也引入了一个很有意思的地方，Mat类型可以直接通过“=”用常熟为其所有元素赋值。

这很方便：）

2.2.4使用cvRound四舍五入

函数 cvRound, cvFloor, cvCeil 用一种舍入方法将输入浮点数转换成整数。 cvRound 返回和参数最接近的整数值。 cvFloor 返回不大于参数的最大整数值。cvCeil 返回不小于参数的最小整数值。在某些体系结构中该函数 工作起来比标准 C 操作起来还要快。

3.创建滑动条调整参数

为窗口添加滑动条，在OpenCV研发中非常普遍和实用，其大致步骤如下:

step1: 参数全局变量的声明与初始化；

step2:声明存储图像的全局变量；

step3:定义响应滑动条的回调函数，根据参数全局变量，和图像全局变量，以及图像算法进行处理，并显示；

step4:创建显示图像的窗口；

step5:在函数中使用createTrackbar创建滑动条；

step6:在函数中手动调用回调函数一次，用于初始化。

Example代码

#include "opencv2/core/utility.hpp"
#include "opencv2/imgproc.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"

#include <iostream>

using namespace cv;
using namespace std;

int _brightness = 100;
int _contrast = 100;

Mat image;

/* brightness/contrast callback function */
static void updateBrightnessContrast( int /*arg*/, void* )
{
    int histSize = 64;
    int brightness = _brightness - 100;
    int contrast = _contrast - 100;

    /*
     * The algorithm is by Werner D. Streidt
     * (http://visca.com/ffactory/archives/5-99/msg00021.html)
     */
    double a, b;
    if( contrast > 0 )
    {
        double delta = 127.*contrast/100;
        a = 255./(255. - delta*2);
        b = a*(brightness - delta);
    }
    else
    {
        double delta = -128.*contrast/100;
        a = (256.-delta*2)/255.;
        b = a*brightness + delta;
    }

    Mat dst, hist;
    image.convertTo(dst, CV_8U, a, b);
    imshow("image", dst);

    calcHist(&dst, 1, 0, Mat(), hist, 1, &histSize, 0);
    Mat histImage = Mat::ones(200, 320, CV_8U)*255;

    normalize(hist, hist, 0, histImage.rows, NORM_MINMAX, CV_32F);

    histImage = Scalar::all(255);
    int binW = cvRound((double)histImage.cols/histSize);

    for( int i = 0; i < histSize; i++ )
        rectangle( histImage, Point(i*binW, histImage.rows),
                   Point((i+1)*binW, histImage.rows - cvRound(hist.at<float>(i))),
                   Scalar::all(0), -1, 8, 0 );
    imshow("histogram", histImage);
}
static void help()
{
    std::cout << "\nThis program demonstrates the use of calcHist() -- histogram creation.\n"
              << "Usage: \n" << "demhist [image_name -- Defaults to ../data/baboon.jpg]" << std::endl;
}

const char* keys =
{
    "{@image|../data/baboon.jpg|input image file}"
};

int main( int argc, const char** argv )
{
    help();

    CommandLineParser parser(argc, argv, keys);
    string inputImage = parser.get<string>(0);

    // Load the source image. HighGUI use.
    image = imread( inputImage, 0 );
    if(image.empty())
    {
        std::cerr << "Cannot read image file: " << inputImage << std::endl;
        return -1;
    }

    namedWindow("image", 0);
    namedWindow("histogram", 0);

    createTrackbar("brightness", "image", &_brightness, 200, updateBrightnessContrast);
    createTrackbar("contrast", "image", &_contrast, 200, updateBrightnessContrast);

    updateBrightnessContrast(0, 0);
    waitKey();

    return 0;
}

参考资料

1.《 学习OpenCV范例（五）——改变图像的对比度和亮度 》

2.《 Opencv改变图像亮度和对比度以及优化 》

3.《 OpenCV2中矩阵的归一化 normalize函数详解 》

4.《 cvRound, cvFloor, cvCeil 》

5.《 为程序界面添加滑动条 》