OpenCV 图像直方图 - 技术文档 (C#)

于 2024-06-27 23:34:23 发布
阅读量251 收藏 9
点赞数 4
分类专栏： opencv 文章标签： opencv c# 人工智能
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/hupaolo/article/details/140027239
版权

OpenCV 图像直方图 - 技术文档 (C#)

目录

  1. 引言
  2. 环境准备
  3. 计算灰度图像直方图
  4. 显示灰度图像直方图
  5. 计算彩色图像直方图
  6. 显示彩色图像直方图
  7. 结论

1. 引言

图像直方图是描述图像中像素值分布的统计图。通过图像直方图，可以分析图像的对比度、亮度和灰度分布等信息。本技术文档介绍如何使用OpenCV结合C#计算和显示图像直方图，包括灰度图像和彩色图像的直方图。

2. 环境准备

在开始之前，请确保已安装以下软件和库：

  • Visual Studio 或其他C# IDE
  • OpenCV库
  • Emgu CV库（OpenCV的C#封装）

安装Emgu CV库：

Install-Package Emgu.CV

3. 计算灰度图像直方图

使用CvInvoke.CalcHist函数计算灰度图像的直方图。

using Emgu.CV;
using Emgu.CV.Structure;
using Emgu.CV.CvEnum;
using Emgu.CV.Util;

class Program
{
    static void Main()
    {
        // 读取图像
        Mat image = CvInvoke.Imread("path_to_image.jpg", ImreadModes.Grayscale);

        // 计算灰度图像直方图
        VectorOfMat images = new VectorOfMat(image);
        Mat hist = new Mat();
        CvInvoke.CalcHist(images, new int[] { 0 }, null, hist, new int[] { 256 }, new float[] { 0, 256 }, false);
        
        // 归一化直方图
        CvInvoke.Normalize(hist, hist, 0, 255, NormType.MinMax);
    }
}

4. 显示灰度图像直方图

使用Matplotlib绘制并显示灰度图像的直方图。

using System;
using System.Drawing;
using Emgu.CV;
using Emgu.CV.Structure;
using Emgu.CV.CvEnum;
using Emgu.CV.Util;

class Program
{
    static void Main()
    {
        // 读取图像
        Mat image = CvInvoke.Imread("path_to_image.jpg", ImreadModes.Grayscale);

        // 计算灰度图像直方图
        VectorOfMat images = new VectorOfMat(image);
        Mat hist = new Mat();
        CvInvoke.CalcHist(images, new int[] { 0 }, null, hist, new int[] { 256 }, new float[] { 0, 256 }, false);
        CvInvoke.Normalize(hist, hist, 0, 255, NormType.MinMax);

        // 创建直方图图像
        int histWidth = 512;
        int histHeight = 400;
        int binWidth = (int)((double)histWidth / 256);
        Mat histImage = new Mat(histHeight, histWidth, DepthType.Cv8U, 1);
        histImage.SetTo(new MCvScalar(255));

        for (int i = 1; i < 256; i++)
        {
            CvInvoke.Line(histImage,
                new Point(binWidth * (i - 1), histHeight - (int)hist.GetData().GetValue(i - 1)),
                new Point(binWidth * i, histHeight - (int)hist.GetData().GetValue(i)),
                new MCvScalar(0), 2, LineType.EightConnected, 0);
        }

        // 显示结果
        CvInvoke.Imshow("Gray Image", image);
        CvInvoke.Imshow("Gray Histogram", histImage);
        CvInvoke.WaitKey(0);
        CvInvoke.DestroyAllWindows();
    }
}

5. 计算彩色图像直方图

分别计算彩色图像中每个通道的直方图。

class Program
{
    static void Main()
    {
        // 读取图像
        Mat image = CvInvoke.Imread("path_to_image.jpg", ImreadModes.Color);

        // 分割图像通道
        VectorOfMat bgrPlanes = new VectorOfMat();
        CvInvoke.Split(image, bgrPlanes);

        // 计算每个通道的直方图
        Mat bHist = new Mat();
        Mat gHist = new Mat();
        Mat rHist = new Mat();
        int histSize = 256;
        float[] histRange = { 0, 256 };
        CvInvoke.CalcHist(new VectorOfMat(bgrPlanes[0]), new int[] { 0 }, null, bHist, new int[] { histSize }, histRange, false);
        CvInvoke.CalcHist(new VectorOfMat(bgrPlanes[1]), new int[] { 0 }, null, gHist, new int[] { histSize }, histRange, false);
        CvInvoke.CalcHist(new VectorOfMat(bgrPlanes[2]), new int[] { 0 }, null, rHist, new int[] { histSize }, histRange, false);

        // 归一化直方图
        CvInvoke.Normalize(bHist, bHist, 0, 255, NormType.MinMax);
        CvInvoke.Normalize(gHist, gHist, 0, 255, NormType.MinMax);
        CvInvoke.Normalize(rHist, rHist, 0, 255, NormType.MinMax);
    }
}

6. 显示彩色图像直方图

分别绘制并显示彩色图像中每个通道的直方图。

class Program
{
    static void Main()
    {
        // 读取图像
        Mat image = CvInvoke.Imread("path_to_image.jpg", ImreadModes.Color);

        // 分割图像通道
        VectorOfMat bgrPlanes = new VectorOfMat();
        CvInvoke.Split(image, bgrPlanes);

        // 计算每个通道的直方图
        Mat bHist = new Mat();
        Mat gHist = new Mat();
        Mat rHist = new Mat();
        int histSize = 256;
        float[] histRange = { 0, 256 };
        CvInvoke.CalcHist(new VectorOfMat(bgrPlanes[0]), new int[] { 0 }, null, bHist, new int[] { histSize }, histRange, false);
        CvInvoke.CalcHist(new VectorOfMat(bgrPlanes[1]), new int[] { 0 }, null, gHist, new int[] { histSize }, histRange, false);
        CvInvoke.CalcHist(new VectorOfMat(bgrPlanes[2]), new int[] { 0 }, null, rHist, new int[] { histSize }, histRange, false);

        // 归一化直方图
        CvInvoke.Normalize(bHist, bHist, 0, 255, NormType.MinMax);
        CvInvoke.Normalize(gHist, gHist, 0, 255, NormType.MinMax);
        CvInvoke.Normalize(rHist, rHist, 0, 255, NormType.MinMax);

        // 创建直方图图像
        int histWidth = 512;
        int histHeight = 400;
        int binWidth = (int)((double)histWidth / histSize);
        Mat histImage = new Mat(histHeight, histWidth, DepthType.Cv8U, 3);
        histImage.SetTo(new MCvScalar(255, 255, 255));

        for (int i = 1; i < histSize; i++)
        {
            CvInvoke.Line(histImage,
                new Point(binWidth * (i - 1), histHeight - (int)bHist.GetData().GetValue(i - 1)),
                new Point(binWidth * i, histHeight - (int)bHist.GetData().GetValue(i)),
                new MCvScalar(255, 0, 0), 2, LineType.EightConnected, 0);

            CvInvoke.Line(histImage,
                new Point(binWidth * (i - 1), histHeight - (int)gHist.GetData().GetValue(i - 1)),
                new Point(binWidth * i, histHeight - (int)gHist.GetData().GetValue(i)),
                new MCvScalar(0, 255, 0), 2, LineType.EightConnected, 0);

            CvInvoke.Line(histImage,
                new Point(binWidth * (i - 1), histHeight - (int)rHist.GetData().GetValue(i - 1)),
                new Point(binWidth * i, histHeight - (int)rHist.GetData().GetValue(i)),
                new MCvScalar(0, 0, 255), 2, LineType.EightConnected, 0);
        }

        // 显示结果
        CvInvoke.Imshow("Original Image", image);
        CvInvoke.Imshow("Color Histogram", histImage);
        CvInvoke.WaitKey(0);
        CvInvoke.DestroyAllWindows();
    }
}

7. 结论

通过以上操作，我们可以计算和显示图像的灰度直方图和彩色直方图。OpenCV结合Emgu CV提供了强大的直方图计算和绘制功能，可以满足

各种图像分析和处理需求。更多高级操作和应用请参考OpenCV和Emgu CV官方文档。

附录

东城十三
关注
  • 4
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
C#使用OpenCv（OpenCVSharp）图像直方图均衡化处理实例
qq_30725967的博客
09-19 506
本文实例演示C#语言中如何使用OpenCv（OpenCVSharp）对图像进行直方图均衡化处理。
开源计算机视觉库OpenCV详解
热门推荐
dvlinker的技术专栏
06-23 7万+
详细介绍开源计算机视觉库OpenCV。
halcon画出灰度直方图_halcon读取一张照片，并转化为灰度图像
weixin_34391934的博客
01-14 4295
dev_close_window () read_image (Image, 'E:/图片/123.jpg') get_image_size (Image, Width, Height) dev_open_window (, , Width, Height, 'black', WindowHandle) rgb1_to_gray(Image,GrayImage) dev_display (Gray...
OpenCV 4 中文文档(更新mat部分)
lzSluozhen的博客
08-08 3204
OpenCV 4.5.3 中文文档 https://www.docs.opencv.org/4.5.3/ 一、介绍 OpenCV（开源计算机视觉库：http://opencv.org）是一个开源库，它包括数百种计算机视觉算法。该文件描述了OpenCV 2.x API，它本质上是一个C++ API，而不是基于C的OpenCV 1.x API（C API 自 OpenCV 2.4 发布以来已弃用且未使用"C"编译器进行测试）。 OpenCV 具有模块化结构，这意味着该包包括多个共享或静态库。提供以下模块： 核
C#运行opencv，示例代码分析
李世铭的博客
03-20 2100
示例代码下载位置：https://github.com/shimat/opencvsharp_samples/ 错误CS1617/langversion的选项“8.0”无效。 解决方法：https://www.cnblogs.com/mq0036/p/12205276.html1.ArucoSamplearuco模块基于ArUco库，这是一个检测二进制marker的非常流行的库。用于姿态估计。参考：https://blog.csdn.net/u010260681/article/deta...
OpenCV(13)-OpenCV4.0中文文档学习（补充）
zxyccm的博客
02-08 1261
学习OpenCV4.0中文文档，对以往笔记做出未涉及部分的补充 性能测量和改进技术 测量性能 默认优化 图像金字塔 使用金字塔的图像混合 轮廓 矩 最小外接圆 拟合椭圆 拟合线 轮廓属性 长宽比 范围 固实性 等效直径 方向 遮罩和像素点 最大值、最小值及其位置 平均颜色或平均强度 极端点 凸包缺陷 点多边形测试 匹配形状 直方图 霍夫变换 霍夫线变换 霍夫圆变换 光流 用 Lucas-Kanade 光流算法 计算疏光流
人工智能视觉：基于OpenCV的人脸识别技术的深度解析
最新发布
书山有路勤为径，学海无涯苦作舟。
05-19 3180
OpenCV 的全称是 Open Source Computer Vision Library，是一个跨平台的计算机视觉库。OpenCV 是由英特尔公司发起并参与开发，以 BSD 许可证授权发行，可以在商业和研究领域中免费使用。OpenCV 可用于开发实时的图像处理、计算机视觉以及模式识别程序。该程序库也可以使用英特尔公司的 IPP 进行加速处理。OpenCV 用 C++语言编写，它的主要接口也是 C++语言，但是依然保留了大量的 C 语言接口。
OpenCV官方教程节选
qq_56591814的博客
10-13 1885
Opencv（Open Source Computer Vision Library）是一个基于开源发行的跨平台计算机视觉库，它实现了图像处理和计算机视觉方面的很多通用算法，已成为计算机视觉领域最有力的研究工具。在这里我们要区分两个概念：图像处理和计算机视觉的区别：图像处理侧重于“处理”图像–如增强，还原，去噪，分割等等；而计算机视觉重点在于使用计算机来模拟人的视觉，因此模拟才是计算机视觉领域的最终目标。
opencv中的SVM图像分类（一）
yincheng_917的博客
09-13 8996
本篇文章主要是先从理论的角度对图像进行讲解，主要代码的讲解请关注下一篇博文：opencv中的svm图像分类（二）http://blog.csdn.net/always2015/article/details/47107129 一、图像分类概述 本模块是用在图像内容识别的部分，图像分类是利用计算机对图像进行定量分析，把图像中的每个像元或区域划归为若干个类别中的一种，以代替人工视觉判读的技术。从目...
OpenCvSharp 图像校正.rar
06-25
2. **光照校正**：针对图像局部过亮或过暗的问题，可以使用直方图均衡化（`EqualizeHist()`）来调整全局亮度分布，或者使用光照归一化技术（如AdaptiveHistogramEqualization）对局部区域进行优化。对于复杂的光照...
C#+EMGUCV opencv图像处理工具
09-18
1. **图像预处理**：这是图像处理的第一步，通常包括灰度化、直方图均衡化、噪声去除（如高斯滤波、中值滤波）以及图像增强等，目的是改善图像质量，提高后续处理的效果。 2. **检测与定位**：EMGU CV提供了多种...
opencv OpenCvSharp 图片拼接.zip
07-06
读取后，可能需要进行一些预处理操作，例如调整尺寸、灰度化、直方图均衡化等，以便后续处理。 2. **特征检测与匹配**：为了将图片拼接在一起，我们需要找到每张图片之间的对应关系。OpenCV提供了多种特征检测算法...
opencv-2.4.12.zip
02-17
例如，你可以使用它来实现图像的边缘检测（Canny、Sobel、Laplacian），或者进行图像的直方图均衡化以增强图像对比度。 5. **跨平台性**：OpenCV支持Windows、Linux、Mac OS X以及Android和iOS等移动平台，这使得它...
opencv中文chm参考api文档
10-28
1. 图像处理：包括图像的读取、写入、显示，以及色彩空间转换、滤波、直方图操作等基础功能。 2. 特征检测：如角点检测（Harris角点、Shi-Tomasi角点）、边缘检测（Sobel、Canny）、轮廓提取等。 3. 目标检测：包括...
C#图像处理分割与测量灰度变换平滑等等
08-14
C#中可以使用简单的算法，如直方图均衡化、线性变换或非线性变换，来调整图像的灰度级，使其更利于后续处理。 3. **图像平滑**： 平滑是去除图像噪声和不规则性的方法，常见的有均值滤波、高斯滤波和中值滤波。C#...
F20#__Emgucv实现图像融合.zip
08-28
3. **图像预处理**：根据具体需求，可能需要对输入图像进行预处理，如灰度化、直方图均衡化、缩放等，以确保融合效果最佳。 4. **选择融合方法**：图像融合有很多种算法，常见的有平均融合、加权平均融合、小波融合...
opencv中文手册.pdf
09-30
* CvHistogram：图像直方图操作。 * CreateHist：创建直方图。 * SetHistBinRanges：设置直方图bin范围。 10. 匹配： * MatchTemplate：图像模板匹配操作。 * MatchShapes：图像形状匹配操作。 * CalcEMD2：...
OPencv4 Demo 有需要自行下载
10-24
1. 图像处理：如图像读取、显示、保存、颜色空间转换、滤波、边缘检测、直方图均衡化等。 2. 特征检测与匹配：如SIFT、SURF、ORB等特征点检测器，以及FLANN匹配器。 3. 机器学习与深度学习：包括传统的SVM、决策树、...
opencv图像直方图
04-25
在OpenCV中，可以使用`cv2.calcHist()`函数来计算图像的直方图。该函数接受以下参数： - images：输入图像，可以是单通道或多通道的图像。 - channels：需要计算直方图的通道索引，如果输入图像为单通道，则设置为；...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

东城十三

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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