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!