openCV学习笔记（十）-- 直方图

最新推荐文章于 2022-03-15 22:37:01 发布
最新推荐文章于 2022-03-15 22:37:01 发布
阅读量194 收藏 2
点赞数
分类专栏： openCV 文章标签： opencv
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/DIAJEY/article/details/107216723
版权

1.什么是直方图？
在这里插入图片描述
在这里插入图片描述
举个例子：
在这里插入图片描述

2.直方图均衡化
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
代码：

//先要将图像转换为灰度图像
	cvtColor(src, gray_src, CV_BGR2GRAY);

	namedWindow("input_image", WINDOW_AUTOSIZE);
	namedWindow("output_Img", WINDOW_AUTOSIZE);
	imshow("input_image", gray_src);
	
	//直方图均衡化--一般用于提高图像对比度
	
	equalizeHist(gray_src, dst);
	imshow("output_Img", dst);

3.计算直方图及绘制直方图
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

具体使用：

//计算并绘制直方图
	//先将多通道图片分通道表示--分成b,g,r
	vector<Mat> bgr_planes;
	split(src, bgr_planes);//分割好的图像，分别存在Mat数组的0，1，2位置

	//计算直方图
	int histSize = 256;//划分为256个等级
	float range[] = { 0,255 };//范围定义为0-255
	const float* histRanges = { range };
	Mat b_hist, g_hist, r_hist;//定义三个数组存储
	calcHist(&bgr_planes[0], 1, 0, Mat(), b_hist, 1, &histSize, &histRanges, true, false);//计算直方图并存储到对应数组
	calcHist(&bgr_planes[1], 1, 0, Mat(), g_hist, 1, &histSize, &histRanges, true, false);//计算直方图并存储到对应数组
	calcHist(&bgr_planes[2], 1, 0, Mat(), r_hist, 1, &histSize, &histRanges, true, false);//计算直方图并存储到对应数组

	//图像归一化
	//归一化就是要把需要处理的数据经过处理后（通过某种算法）限制在你需要的一定范围内。
	//归一化数据
	int hist_h = 400;
	int hist_w = 512;
	int bin_w = hist_w / histSize;
	Mat histImage(hist_w, hist_h, CV_8UC3, Scalar(0, 0, 0));
	normalize(b_hist, b_hist, 0, hist_h, NORM_MINMAX, -1, Mat());//0-下限 ， hist_h归一化范围上限
	normalize(g_hist, g_hist, 0, hist_h, NORM_MINMAX, -1, Mat());
	normalize(r_hist, r_hist, 0, hist_h, NORM_MINMAX, -1, Mat());

	//画出直方图
	for (int i = 1; i < histSize; i++)
	{
		//直方图从左下角开始
		//cvRound()：返回跟参数最接近的整数值，即四舍五入
		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);
		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);
		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_img", histImage);

在完成以上步骤后，就可以通过API画出一个分别对于BGR三通道的直方图
在这里插入图片描述

4.直方图比较
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

具体直方图对比步骤：
在这里插入图片描述
在这里插入图片描述
具体代码：

	//直方图比较
	Mat base, test1, test2;
	Mat hsvbase, hsvtest1, hsvtest2;

	base = imread("C:/Users/18929/Desktop/博客项目/项目图片/08.jpg");
	test1 = imread("C:/Users/18929/Desktop/博客项目/项目图片/01.jpg");
	test2 = imread("C:/Users/18929/Desktop/博客项目/项目图片/07.jpg");

	//1.先转换为HSV图像
	cvtColor(base, hsvbase, CV_BGR2HSV);
	cvtColor(test1, hsvtest1, CV_BGR2HSV);
	cvtColor(test2, hsvtest2, CV_BGR2HSV);

	//设置hue大小为50，saturation（饱和度）值为60
	int h_bins = 50; int s_bins = 60;
	int histSize[] = { h_bins,s_bins };
	//hue值的范围从0-179，饱和度从0-255
	float h_ranges[] = { 0,180 };
	float s_ranges[] = { 0,256 };
	const float* ranges[] = { h_ranges,s_ranges };//范围要用const声明
	//使用第零通道到第一通道
	int channels[] = { 0,1 };

	//MatND -- 多维的Mat对象 Mat-二维，存放直方图的值
	MatND hist_base;
	MatND hist_test1;
	MatND hist_test2;


	//计算出直方图的值
	calcHist(&hsvbase, 1, channels, Mat(), hist_base, 2, histSize, ranges, true, false);
	normalize(hist_base, hist_base, 0, 1, NORM_MINMAX, -1, Mat());

	calcHist(&hsvtest1, 1, channels, Mat(), hist_test1, 2, histSize, ranges, true, false);
	normalize(hist_test1, hist_test1, 0, 1, NORM_MINMAX, -1, Mat());

	calcHist(&hsvtest2, 1, channels, Mat(), hist_test2, 2, histSize, ranges, true, false);
	normalize(hist_test2, hist_test2, 0, 1, NORM_MINMAX, -1, Mat());

	//比较直方图
	double basebase = compareHist(hist_base, hist_base, CV_COMP_CORREL);//相关性比较,越接近1越相似
	double basetest1 = compareHist(hist_base, hist_test1, CV_COMP_BHATTACHARYYA);//巴氏比较，越接近1越相似
	double basetest2 = compareHist(hist_base, hist_test2, CV_COMP_BHATTACHARYYA);
	double test1test2 = compareHist(hist_test1, hist_test2, CV_COMP_BHATTACHARYYA);

	//在图上写结果
	Mat test12;
	test2.copyTo(test12);//做一张和test2一样的图
	putText(base, convertToString(basebase), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA);
	putText(test1, convertToString(basetest1), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA);
	putText(test2, convertToString(basetest2), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA);
	putText(test12, convertToString(test1test2), Point(50, 50), CV_FONT_HERSHEY_COMPLEX, 1, Scalar(0, 0, 255), 2, LINE_AA);

	namedWindow("base", CV_WINDOW_AUTOSIZE);
	namedWindow("test1", CV_WINDOW_AUTOSIZE);
	namedWindow("test2", CV_WINDOW_AUTOSIZE);
	namedWindow("test12", CV_WINDOW_AUTOSIZE);

	imshow("base", base);
	imshow("test1", test1);
	imshow("test2", test2);
	imshow("test12", test12);

	waitKey(0);
	return 0;

}

//将计算出来的double值转换为字符串打印
string convertToString(double d) {
	ostringstream os;
	if (os << d)
		return os.str();
	return "invalid conversion";
}
*/

5.直方图反向映射
https://blog.csdn.net/keith_bb/article/details/70154219
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

#include<opencv2/opencv.hpp>
#include<math.h>
#include<iostream>

using namespace cv;
using namespace std;


Mat src,dst,gray_src,hsv,hue;
int bins = 12;//定义维度，即分成多少份定义直方图
void Hist_And_Backprojection(int, void*);
int main(int argc, char** argv) {
	src = imread("C:/Users/18929/Desktop/博客项目/项目图片/01.jpg");
	if (src.empty()) {
		printf("could not load image");
		return -1;
	}
	const char* window_image = "input image";
	namedWindow(window_image, WINDOW_AUTOSIZE);

	//直方图反向映射
	//1.转换图片为hsv类图片
	cvtColor(src, hsv, CV_BGR2HSV);
	//2.将hsv图像的第一通道拷贝到hue图片的第一通道，且拷贝一组
	hue.create(hsv.size(), hsv.depth());
	int nchannels[] = { 0,0 };//定义从第一通道拷贝到第一通道
	mixChannels(&hsv, 1, &hue, 1, nchannels, 1);//1个hsv图像，1个hue图像，按nchannels规则拷贝一组

	createTrackbar("Histogram Bins:",window_image,&bins,180,Hist_And_Backprojection);
	Hist_And_Backprojection(0, 0);

	imshow(window_image, src);
	
	waitKey(0);
	return 0;

}
void Hist_And_Backprojection(int, void*) {
	//计算直方图
	float range[] = { 0,180 };//定义划分直方图范围
	const float* histRanges = { range };
	Mat h_hist;
	calcHist(&hue, 1, 0, Mat(), h_hist, 1, &bins, &histRanges, true, false);
	normalize(h_hist, h_hist, 0, 255, NORM_MINMAX, -1, Mat());

	//绘制直方反向映射图
	Mat backPrjImage;//直方映射图
	calcBackProject(&hue, 1, 0, h_hist, backPrjImage, &histRanges, 1, true);
	/*
		参数解释：
	1.const Mat* images:输入图像，图像深度必须位CV_8U,CV_16U或CV_32F中的一种，尺寸相同，每一幅图像都可以有任意的通道数
	2.int nimages:输入图像的数量
	3.const int* channels:用于计算反向投影的通道列表，通道数必须与直方图维度相匹配，第一个数组的通道是从0到image[0].channels()-1,第二个数组通道从图像image[0].channels()到image[0].channels()+image[1].channels()-1计数
	4.InputArray hist:输入的直方图，直方图的bin可以是密集(dense)或稀疏(sparse)
	5.OutputArray backProject:目标反向投影输出图像，是一个单通道图像，与原图像有相同的尺寸和深度
	6.const float ranges**:直方图中每个维度bin的取值范围
	7.double scale=1:可选输出反向投影的比例因子
	8.bool uniform=true:直方图是否均匀分布(uniform)的标识符，有默认值true
	*/
	imshow("BackProj", backPrjImage);

	
	//绘制直方图
	int hist_h = 400;
	int hist_w = 400;
	Mat histImage(hist_w, hist_h, CV_8UC3, Scalar(0, 0, 0));
	int bin_w = (hist_w / bins);//每个bins的宽度
	for (int i = 1; i < bins; i++) {
		rectangle(histImage, Point((i - 1) * bin_w, (hist_h - cvRound(h_hist.at<float>(i - 1) * 400 / 255))),
			Point((i)*bin_w, (hist_h - cvRound(h_hist.at<float>(i) * 400 / 255))), Scalar(0, 0, 255), -1);

	}
	imshow("Histogram", histImage);

}
DIAJEY
关注
专栏目录
Python3与OpenCV3.3 图像处理(十二)--图像直方图应用
喵叔
12-05 4930
一、调节对比度 import cv2 as cv def equalHist(image): """直方图均衡化，图像增强的一个方法""" #彩色图片转换为灰度图片 gray=cv.cvtColor(image,cv.COLOR_BGR2GRAY) #直方图均衡化，自动调整图像的对比度，让图像变得清晰 dst=cv.equalizeH...
Opencv-python学习笔记---直方图(histogram)
不学无术的小镇做题家
04-24 725
直方图是一种针对图片像素值的统计工具，通过直方图，你可以对图片像素值的分布有一个直观的了解。 生成直方图 opencv中生成直方图使用cv2.calcHist()函数，函数原型是： hist = cv.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate]]) 参数解读： Images：输入图片集合，如果是单...
opencv:绘制直方图
所思，所行。
08-06 1179
一、关于直方图的数据结构 typedef struct CvHistogram { int type; CvArr* bins; float thresh[CV_MAX_DIM][2]; /* for uniform histograms */ float** thresh2; /* for non-uniform histograms */ CvMatND mat; /* embe
opencv中直方图结构
sheldonwxp的专栏
06-20 508
typedef struct CvHistogram {     int     type;        // 区分opencv中的结构体     CvArr*  bins;     float   thresh[CV_MAX_DIM][2];  /* For uniform histograms.                      */     float** thresh2
OpenCV从入门到放弃(七):直方图那些事儿
谢小小XH
09-25 1万+
图像直方图以及直方图带来的一些算法
【OpenCV学习笔记】之直方图（Histogram）
热门推荐
zhu_hongji的博客
08-20 7万+
  一、直方图概述（Histogram Overview）         在统计学中，直方图是一种对数据分布情况的图形表示，是一种二维统计图表，他的两个坐标分别是统计样本（图像、视频帧）和样本的某种属性（亮度，像素值，梯度，方向，色彩等等任何特征）。         也可以这么理解，直方图是对数据的统计，并把统计值显示到事先设定好的bin（矩形条）中，bin中的数值是从数据中计算出的特征的...
python OpenCV学习笔记实现二维直方图
12-23
本文介绍了python OpenCV学习笔记实现二维直方图，分享给大家，具体如下： 官方文档 – https://docs.opencv.org/3.4.0/dd/d0d/tutorial_py_2d_histogram.html 在前一篇文章中，我们计算并绘制了一维的直方图。它被...
OpenCV学习笔记五：直方图
djcxym的博客
03-20 421
图像由不同颜色值的像素组成，像素值在图像中的分布情况是图像的一个重要特征。一、计算图像的直方图直方图是一个简单的表，它给出了图像中各个像素值的数目（归一化后则为相应的比例），在OpenCV中可以使用cv::calcHist计算图像的直方图，这是一个通用函数，可以计算一张或一组任意像素类型的多通道图像。void calcHist(const Mat* arrays, int narrays, cons
python OpenCV学习笔记之绘制直方图的方法
01-21
本篇文章主要介绍了python OpenCV学习笔记之绘制直方图的方法，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧 官方文档 – ...
OpenCV学习笔记17-直方图
YanZhiyuan0918的博客
08-14 955
直方图
【opencv学习笔记】025之直方图计算 - calcHist函数详解
水亦心的博客
05-06 3万+
1、calcHist函数是干什么滴？ 这个问题嘛，看看标题，标题，对啊，你这么聪明，一定猜得到： calcHist函数是用来计算图像直方图的。 2、calcHist函数调用形式 C++:voidcalcHist(const Mat*images, intnimages, const int*channels, InputArraymask, OutputArrayhist, ...
OpenCV__Python直方图比较_教程14
chencaw的专栏
11-27 302
#引入opencv模块 import cv2 as cv #引入numpy模块 import numpy as np #引入sys模块 import sys #创建RGB直方图 def create_rgb_hist(img): h,w,c = img.shape rgbHist = np.zeros([16*16*16,1],np.float32) bsize = 256/16 for row in range(h): for col in range.
OpenCV学习笔记（十二）之直方图比较
开发小鸽
06-02 335
直方图比较方法 对输入的两张图像计算得到直方图H1和H2，归一化到相同的尺度空间，然后通过计算H1和H2之间的距离得到两个直方图的相似程度。 OpenCV提供的比较方法： Correlation - 相关性比较 Chi-Square - 卡方比较 Intersection - 十字交叉性 Bhattacharyya - 巴氏距离 相关性比较（HISTCOM_CORREL） 卡方比较（HISTCOM_CHISQE） 十字交叉性（HISTCOM_INTERSECT） 巴氏距离（HISTCOM_BHAT
Python3+OpenCV3+Pycharm编程：图像直方图
iloveluoluo一个小白程序员
03-26 1401
matplotlib生成单通道histtogram def plot_demo(image): plt.hist(image.ravel(), 256, [0, 256]) # numpy的ravel函数功能是将多维数组降为一维数组 plt.show("histogram") calcHist生成三通道histtogram def image_hist_demo(...
Opencv-Python学习笔记（十一）：图像直方图
MMagicLoren的博客
11-10 1618
本篇博客记录学习OpenCV-Python图像直方图的相关知识。 使用OpenCV和Numpy函数查找直方图，使用Matplotlib函数绘制直方图 您要学习的函数有：cv2.calcHist（），np.histogram（）等。 原理 什么是直方图呢？通过直方图我们可以对整幅图像的灰度分布有一个整体的了解。直方图的 x 轴是灰度值（ 0 到 255）， y 轴是图片中具有同一个灰度值的点的...
OpenCV学习笔记六：直方图（2）
djcxym的博客
03-26 430
一、反投影响直方图查找物体 直方图反向投影可以用来做图像分割，或者在图像中找寻我们感兴趣的部分。简单来说，它会输出与输入图像同样大小的图像，其中的每一个像素值代表了输入图像上对应点属于我们感兴趣的目标图像的概率。输出图像中像素值越高（越白）的点就越可能代表我们要搜索的目标。
详解python OpenCV学习笔记之直方图均衡化
12-23
本文介绍了python OpenCV学习笔记之直方图均衡化，分享给大家，具体如下： 官方文档 – https://docs.opencv.org/3.4.0/d5/daf/tutorial_py_histogram_equalization.html 考虑一个图像，其像素值仅限制在特定的值...
opencv 直方图处理详细介绍
bishopmarcel的博客
07-27 697
直方图处理 直方图是图像处理过程中的一种非常重要的分析工具。直方图从图像内部灰度级的角度对图像进行表述，包含十分丰富而重要的信息。从直方图的角度对图像进行处理，可以达到增强图像显示效果的目的。 1、 直方图的含义 从统计的角度讲，直方图是图像内灰度值的统计特性与图像灰度值之间的函数，直方图统计图像内各个灰度级出现的次数。 从直方图的图形上观察，横坐标是图像中各像素点的灰度级，纵坐标是具有该灰度级（像素值）的像素个数。 一般情况下，我们把直线图和直方图都称为直方图。 在实际处理中，图像直方图的x轴区间一般
opencv 图像直方图详解
weixin_44901043的博客
03-15 9001
//直方图 void test_Hist() { using namespace cv; cv::Mat image = cv::imread(“D:\QtProject\Opencv_Example\drawRect\drawRect.jpg”, cv::IMREAD_GRAYSCALE); if (image.empty()) { cout << “Cannot load image” << endl; return; } imshow(“image”,image); const
opencv——图像直方图（上）直方图分析
Sam's blog
09-21 368
1、彩色直方图计算 #!/usr/bin env python3 # -*- coding:UTF8 -*- # 彩色图像直方图的计算与显示 import cv2 from matplotlib import pyplot as plt img = cv2.imread('test.png') cv2.imshow('SrcImage', img) chans = cv2.split(img) colors = ('b', 'g', 'r') plt.title("’Flattened’ Color
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值