opencv学习笔记15-opencv摄像头视频流绘制直方图

最新推荐文章于 2024-08-31 19:13:52 发布

The_xz

最新推荐文章于 2024-08-31 19:13:52 发布

阅读量467

点赞数 19

文章标签： opencv 学习笔记

本文链接：https://blog.csdn.net/The_xz/article/details/141534621

版权

一、函数

a.`resize` 函数:

（1）函数原型：

CV_EXPORTS_W void resize( InputArray src, OutputArray dst, Size dsize,
 double fx = 0, double fy = 0, int interpolation = INTER_LINEAR );

（2）函数作用：

resize 函数用于放大或缩小图像 src 到指定的大小。

（3）目标图像 (dst)：

目标图像 dst 的类型和大小与源图像 src 相同，除非明确指定了 dsize。

（4）缩放方式：

如果目标图像 dst 已经创建，可以通过设置 dsize=dst.size() 并计算 fx 和 fy 来缩放图像。
如果想要按每个方向2倍的因子对图像进行降采样，可以指定 fx 和 fy 并让函数计算目标图像的大小。

（5）缩放效果：

缩小图像时，通常使用 INTER_AREA 插值方法效果最佳。
放大图像时，通常使用 INTER_CUBIC（速度慢）或 INTER_LINEAR（速度较快，效果也还不错）插值方法。

（6）参数说明：

src：输入图像。
dst：输出图像，其大小和类型由 src、dsize、fx 和 fy 确定。
dsize：输出图像的大小。如果为零（Python 中为 None），则根据 src.size()、fx 和 fy 计算。
fx：水平轴上的缩放因子。如果为0，则根据 dsize.width/src.cols 计算。
fy：垂直轴上的缩放因子。如果为0，则根据 dsize.height/src.rows 计算。
interpolation：插值方法，见 InterpolationFlags。

（7）插值方法 (interpolation)：

定义了在缩放过程中如何处理像素的插值。不同的插值方法在速度和质量上有所不同。

（8）相关函数：

warpAffine：仿射变换。
warpPerspective：透视变换。
remap：根据给定的映射关系重新绘制图像。

b. `split` 函数:

（1）函数原型：

CV_EXPORTS void split(const Mat& src, Mat* mvbegin);

（2）函数作用：

split 函数将一个多通道数组分割成独立的单通道数组。

（3）分割公式：

分割操作的数学表达式为：，其中 mv 是分割后的数组，c 是通道索引，I 是像素索引。

（4）使用场景：

当需要单独处理图像的每个通道时，可以使用 split 函数将多通道图像（如 RGB 图像）分割成三个单通道图像。

（5）参数说明：

src：输入的多通道数组。
mvbegin：输出数组，其数量必须与 src.channels() 相匹配，即源数组的通道数。输出数组在需要时会重新分配。

（6）相关函数：

merge：与 split 功能相反，它将多个单通道数组合并为一个多通道数组。
mixChannels：用于更复杂的通道排列或提取单个通道。
cvtColor：用于颜色空间转换，可能会改变图像的通道数。

（7）函数行为：

split 函数会根据源数组 src 的通道数，将其分割成相应数量的单通道数组，并将这些数组存储在 mvbegin 指向的数组中。

c. `calcHist` 函数:

（1）函数原型：

CV_EXPORTS 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 );

（2）函数作用：

calcHist 函数计算一个或多个数组的直方图。用于直方图的元素值是从相应输入数组中相同位置取出的。

（3）参数说明：

images：源数组列表，它们必须具有相同的数据深度（CV_8U、CV_16U 或 CV_32F）和大小，并且可以有任意数量的通道。
nimages：源数组的数量。
channels：用于计算直方图的通道列表。数组的通道从0开始编号，第二个数组的通道编号从第一个数组的通道数开始，以此类推。
mask：可选的掩码。如果提供，掩码必须是8位数组，与 images[i] 大小相同。非零掩码元素标记了要计入直方图的数组元素。
hist：输出直方图，可以是密集或稀疏的 dims 维数组。
dims：直方图的维度，必须是正数，并且不超过 CV_MAX_DIMS（当前 OpenCV 版本中等于32）。
histSize：每个维度的直方图大小数组。
ranges：每个维度的直方图 bin 边界数组。对于均匀直方图，每个维度 i 只需要指定第0个直方图 bin 的下界 L_0（包含）和最后一个直方图 bin histSize[i]-1 的上界 U（不包含）。对于非均匀直方图，每个 ranges[i] 包含 histSize[i]+1 个元素。
uniform：标志，指示直方图是否均匀。
accumulate：累积标志。如果设置，当分配直方图时，它不会在开始时被清空。这允许你从多组数组计算一个单一的直方图，或者随时间更新直方图。

（4）直方图类型：

直方图可以是均匀分布的，也可以是非均匀分布的。均匀直方图在每个维度上使用相同的 bin 大小，而非均匀直方图允许每个 bin 具有不同的大小。

（5）累积模式：

如果 accumulate 参数设置为 true，则可以在多次调用中累积直方图，这对于实时更新直方图很有用。

（6）多维直方图：

calcHist 可以计算多维直方图，dims 参数指定直方图的维度数量。

（7）应用场景：

该函数通常用于图像处理中的直方图分析，如颜色分布分析、直方图均衡化等。

d. `normalize` 函数：

（1）函数原型：

CV_EXPORTS_W void normalize( InputArray src, InputOutputArray dst, double alpha = 1, 
double beta = 0, int norm_type = NORM_L2, int dtype = -1, InputArray mask = noArray());

（2）函数作用：

normalize 函数对输入数组 src 的元素进行缩放和平移，以满足特定的范数或值范围条件。

（3）归一化条件：

当 normType 是 NORM_INF、NORM_L1 或 NORM_L2 时，归一化后的数组的 Lp 范数等于 alpha。
当 normType 是 NORM_MINMAX 时，归一化后的数组的最小值等于 alpha，最大值等于 beta。

（4）掩码操作：

可选的 mask 参数指定了要归一化的子数组。这意味着范数或最小-最大值是在子数组上计算的，然后这个子数组被修改为归一化的形式。

（5）稀疏矩阵处理：

对于稀疏矩阵，只有非零值被分析和转换。因此，不允许对稀疏矩阵进行范围变换，因为它可能会改变零点的位置。

（6）参数说明：

src：输入数组。
dst：输出数组，其大小与 src 相同。
alpha：归一化后数组的范数值，或在范围归一化时的下界。
beta：在范围归一化时的上界，对于范数归一化不使用。
norm_type：归一化类型，见 cv::NormTypes。
dtype：当为负数时，输出数组的类型与 src 相同；否则，输出数组具有与 src 相同数量的通道，数据深度为 CV_MAT_DEPTH(dtype)。
mask：可选的操作掩码。

（7）相关函数：

norm：计算数组的范数。
Mat::convertTo：将矩阵转换为不同的数据类型和归一化。
SparseMat::convertTo：稀疏矩阵的转换函数。

二、代码示例

#include <opencv2/core/utils/logger.hpp> 
#include <opencv2/opencv.hpp>           
#include <opencv2/videoio.hpp>          
#include <opencv2/objdetect.hpp>        
#include <opencv2/highgui/highgui_c.h>  
#include <iostream>                     
using namespace cv;                    
using namespace std;                 


int main()
{
	utils::logging::setLogLevel(utils::logging::LOG_LEVEL_SILENT);
	VideoCapture cap; // 定义主函数
	cap.open(0);// 尝试打开摄像头，0是默认的摄像头设备索引

	double scale = 0.5;// 定义缩放比例

	while (1) // 进入无限循环，不断读取视频帧
	{
		Mat SrcImg;// 定义Mat对象用于存储原始图像
		cap >> SrcImg;// 从摄像头捕获一帧图像到SrcImg
		Size ResImgSiz = Size(SrcImg.cols*scale, SrcImg.rows*scale); // 根据缩放比例计算新的图像尺寸0.5
		Mat matSrc = Mat(ResImgSiz, SrcImg.type());// 创建一个新的Mat对象用于存储缩放后的图像
		//resize(srcMat,matSrc,ResImgsiz，INTER_LINEAR);INTER_LINEAR 函数插值方法
		resize(SrcImg, matSrc, ResImgSiz, INTER_LINEAR);// 执行图像缩放操作
		//双线性插值：一种在离散数据点之间进行插值的方法，通过使用四个最近的数据点来估计新点的值。
		Mat matRGB[3];// 创建三个Mat对象用于存储RGB三个颜色通道
		split(matSrc, matRGB); // 将缩放后的图像按照颜色通道分割
		int Channels[] = { 0 }; // 定义一个数组，指定我们关心的颜色通道（这里是蓝色通道）
		int nHistSize[] = { 256 };// 定义直方图的大小（0-255）
		float range[] = { 0, 255 };// 定义直方图的范围
		const float *fHistRanges[] = { range };// 将范围数组转换为const float* 类型，以满足calcHist函数的要求
		Mat histR, histG, histB;// 分别定义三个Mat对象用于存储R、G、B三个颜色通道的直方图

		// 计算每个颜色通道的一维直方图
		calcHist(&matRGB[0], 1, Channels, Mat(), histB, 1, nHistSize, fHistRanges, true, false);
		calcHist(&matRGB[1], 1, Channels, Mat(), histG, 1, nHistSize, fHistRanges, true, false);
		calcHist(&matRGB[2], 1, Channels, Mat(), histR, 1, nHistSize, fHistRanges, true, false);

		// 创建直方图画布，初始化为白色
		int nHistWidth = 400;
		int nHistHeight = 300;
		int nBinWidth = cvRound((double)nHistWidth / nHistSize[0]);
		Mat matHistImage(nHistHeight, nHistWidth, CV_8UC3, Scalar(255, 255, 255)); // 计算每个直方图柱子的宽度

		// 归一化直方图，使其在图像中垂直方向上正确显示
		normalize(histB, histB, 0.0, matHistImage.rows, NORM_MINMAX, -1, Mat());
		normalize(histG, histG, 0.0, matHistImage.rows, NORM_MINMAX, -1, Mat());
		normalize(histR, histR, 0.0, matHistImage.rows, NORM_MINMAX, -1, Mat());

		// 在直方图画布上绘制三个颜色通道的直方图
		for (int i = 1; i < nHistSize[0]; i++)
		{
			// 绘制蓝色通道直方图的一根柱子
			line(matHistImage, // 目标图像，在其上绘制直线
				Point(nBinWidth * (i - 1), nHistHeight - cvRound(histB.at<float>(i - 1))), // 柱子的起始点（上一柱子的顶部）
				Point(nBinWidth * (i), nHistHeight - cvRound(histB.at<float>(i))), // 柱子的结束点（当前柱子的顶部）
				Scalar(255, 0, 0), // 蓝色通道使用红色线条绘制（在BGR颜色空间中，红色对应蓝色通道）
				2, // 线宽，这里是2个像素
				8, // 线型，这里是8，表示抗锯齿线
				0); // 绘制线尾的类型，这里是0，表示不绘制线尾

			// 绘制绿色通道直方图的一根柱子
			line(matHistImage, // 目标图像
				Point(nBinWidth * (i - 1), nHistHeight - cvRound(histG.at<float>(i - 1))), // 绿色柱子的起始点
				Point(nBinWidth * (i), nHistHeight - cvRound(histG.at<float>(i))), // 绿色柱子的结束点
				Scalar(0, 255, 0), // 绿色通道使用绿色线条绘制
				2, // 线宽
				8, // 线型
				0); // 线尾类型

			// 绘制红色通道直方图的一根柱子
			line(matHistImage, // 目标图像
				Point(nBinWidth * (i - 1), nHistHeight - cvRound(histR.at<float>(i - 1))), // 红色柱子的起始点
				Point(nBinWidth * (i), nHistHeight - cvRound(histR.at<float>(i))), // 红色柱子的结束点
				Scalar(0, 0, 255), // 红色通道使用蓝色线条绘制（在BGR颜色空间中，蓝色对应红色通道）
				2, // 线宽
				8, // 线型
				0); // 线尾类型
		}

		
		// 显示直方图
		/*imshow("frame", matSrc);
		imshow("histR", histR);
		imshow("histG", histG);
		imshow("histB", histB);*/
		imshow("三色直方图", matHistImage);
		if (waitKey(30) == 'q') {
			break;
		}
	}
	destroyAllWindows();
	return 0;
}