图像任意子区域直方图快速计算

当逐像素地对像素进行邻域操作时（比如邻域求和，求邻域图像块的直方图等），运算量就会很大。这个时候可以想到用积分图像，可以这样看，积分图像是占用了前期时间，减少了后期大量重复运算。

下面介绍一种快速计算图像任意子区域直方图的方法，方法实现的过程描述如下：

假设最终得到的直方图箱子数（通俗点就是直方图的横坐标的单位数）为nplanes，nplanes是2的幂；输入的灰度图大小为rows*cols。

首先创建一个rows*cols大小、nplanes个通道的图像planes，可以将每个通道理解为二维的箱子（而通常直方图的箱子都是一维的）；

然后将planes的每个通道按一定规则填充二值图像，在当前通道的某位置，若源图像该位置的灰度值属于该箱子则值为1，否则为0；

//将灰度图转化为二值图的多通道图像
//nplanes为通道数，可以是256,128，...必须是2的幂，其实就是减色
void convertToBinaryPlane(const cv::Mat& input,cv::Mat& output,int nplanes)
{
    //屏蔽位数
    int n = 8 - static_cast<int>(log(static_cast<float>(nplanes)) / log(2.0));
    uchar mask = 0xff << n;
    //减色后的输入图像
    cv::Mat reduced;
    reduced=input & mask;
    //计算每个二值平面
    std::vector<cv::Mat> planes;
    for (int i = 0; i < nplanes; i++)
    {
        planes.push_back(reduced==(i<<n)&0x1);
    }
    //创建多通道图像
    cv::merge(planes,output);//planes和output仅仅是形式的区别，一个vector，一个是mat。所以这里output即是叙述中的planes，
}

再计算planes的积分图像。

最后任意划出一块区域，就可以利用积分图像分别计算每个箱子的值，每个箱子只需要计算4次（2次加法2次减法），计算复杂度为nplanes*4。

//后两步包括计算积分图像和计算任意区域直方图，通过一个很巧妙的模板类来实现

template<typename T,int N>
class IntegralImage
{
private:
    cv::Mat integralImage;
public:
    IntegralImage(cv::Mat image)
    {
        //计算积分图像，很耗时，待计算的图像大小为cols*rows*N
        cv::integral(image, integralImage, cv::DataType<T>::type);
    }

    //共N层，每层返回一个数，总的就是一个vector，或者说N行1列的Mat。
    //这样就通过（）操作符，实现了就算任意子区域直方图计算
    cv::Vec<T, N> operator()(int x0,int y0,int width,int height)
    {
        return (integralImage.at<cv::Vec<T, N>>(y0 + height, x0 + width) -
            integralImage.at<cv::Vec<T, N>>(y0, x0 + width) -
            integralImage.at<cv::Vec<T, N>>(y0 + height, x0) +
            integralImage.at<cv::Vec<T, N>>(y0, x0));
    }
};

怎么使用上面的方法还有类呢？
例，输入图像为image,求取子区域Rect（x0,y0,width,height）的直方图，直方图的箱子数设为N，代码如下：

//首先创建N个平面的二值图像
cv::Mat planes;
convertToBinaryPlane(image,planes,N);
//然后计算积分图像
IntegralImage<float, N> intHistogram(planes);
//用积分图像计算N个箱子的直方图
cv::Vec<float,N> ROIHist = intHistogram(x0, y0, width, height);

最后总结一句：这个模板类设计得实在是太棒了。目前我还尚未驾驭模板类哪~