基于OpenCV C++绘制直方图

直方图是变量分布的统计图形表示，它让我们能够理解数据的密度估计和概率分布。直方图是通过将整个变量值范围划分为小的值范围，然后计算每个间隔中落入多少个值来创建的。
例如：在灰度图像中，变量值的范围是每个可能的灰度值(0,255)，密度是具有该值的图像像素数量。我们需要计算值为0的图像像素数量，值为1、2……以此类推。

现在我们来开始一步步绘制吧~
（二话不说，就直接看代码吧。哈哈哈，详情已在代码中解释~）

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

using namespace std;
using namespace cv;

//显示直方图
void showHist(Mat &img,Mat &dst)
{
	//1、创建3个矩阵来处理每个通道输入图像通道。
	//我们用向量类型变量来存储每个通道，并用split函数将输入图像划分成3个通道。
	vector<Mat>bgr;
	split(img, bgr);

	//2、定义直方图的区间数
	int numbers = 256;

	//3、定义变量范围并创建3个矩阵来存储每个直方图
	float range[] = { 0,256 };
	const float* histRange = { range };
	Mat b_hist, g_hist, r_hist;

	//4、使用calcHist函数计算直方图
	int numbins = 256;
	calcHist(&bgr[0], 1, 0, Mat(), b_hist, 1, &numbins, &histRange);
	calcHist(&bgr[1], 1, 0, Mat(), g_hist, 1, &numbins, &histRange);
	calcHist(&bgr[2], 1, 0, Mat(), r_hist, 1, &numbins, &histRange);

	//5、创建一个512*300像素大小的彩色图像，用于绘制显示
	int width = 512;
	int height = 300;
	Mat histImage(height, width, CV_8UC3, Scalar(20, 20, 20));

	//6、将最小值与最大值标准化直方图矩阵
	normalize(b_hist, b_hist, 0, height, NORM_MINMAX);
	normalize(g_hist, g_hist, 0, height, NORM_MINMAX);
	normalize(r_hist, r_hist, 0, height, NORM_MINMAX);

	//7、使用彩色通道绘制直方图
	int binStep = cvRound((float)width / (float)numbins);  //通过将宽度除以区间数来计算binStep变量

	for (int i = 1; i < numbins; i++)
	{
		line(histImage,
			Point(binStep * (i - 1), height - cvRound(b_hist.at<float>(i - 1))),
			Point(binStep * (i), height - cvRound(b_hist.at<float>(i))),
			Scalar(255, 0, 0)
		);
		line(histImage,
			Point(binStep * (i - 1), height - cvRound(g_hist.at<float>(i - 1))),
			Point(binStep * (i), height - cvRound(g_hist.at<float>(i))),
			Scalar(0, 255, 0)
		);
		line(histImage,
			Point(binStep * (i - 1), height - cvRound(r_hist.at<float>(i - 1))),
			Point(binStep * (i), height - cvRound(r_hist.at<float>(i))),
			Scalar(0, 0, 255)
		);
	}
	dst = histImage;
	return;
}

int main()
{
	Mat src = imread("girl.jpg");
	Mat histImage;
	namedWindow("src", 0);
	if (!src.data)
	{
		cout << "No src data!" << endl;
	}
	else
	{
		imshow("src", src);
	}
	showHist(src,histImage);
	namedWindow("histImage", 0);
	imshow("histImage", histImage);
	waitKey(0);
	return 0;
}

最后来看一下结果吧~
放一张折磨了我一个月的测试图，为了这张图片的图像增强，我留下了很多痛苦的泪水，掉了无数的头发。。。

直方图展示：

好啦~就这样啦！