OpenCV 直方图统计函数 cv::calcHist算是彻底弄明白了

参数说明

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 );

• images 图像数组。每个图像的大小要一致，depth要一致，即数据类型要一致，但通道数可以不一致。
• nimages 图像数组的大小，即images数组的大小
• channels 参与计算的各个通道的索引。由于各图像的通道数并不一定一致，并且此函数也不强制要求所有通道都参与计算，因此此参数用于指定要参与计算的图像的通道索引。索引值包含了图像标识，以及图像的通道标识。具体方法为：
  第一个图像的索引标识为 [0,  images[0].channels()), 
  第二个图像的索引标识为 [mages[0].channels(),  mages[0].channels()+mages[1].channels())
  之后以此类推。
  例如：
  图像mages[0]有三个通道，其通道索引为{0, 1, 2}；
  图像mages[1] 有两个通道，其通过索引为 {3, 4}；
  图像mages[2] 有三个通道，其通过索引为 {5, 6, 7}
• mask 此函数支持对图像中指定区域进行直方图统计
• hist 直方图统计结果
• dims 直方图维度。使用最多的也就是1维、2维，更高维应该很少吧。本文后续再详细说明。
• histSize 指定各个通道的的直方图中分类数。此函数的设计是，多个像素取值可以划分为同个分类，例如：像素灰度值取值范围是[0, 255]，但不一定要分成256类，可以为了8类，就可以通过histSize 这个参数指定。
• ranges 指定各个通道的像素灰度值的取值范围。也就是说，此函数的设计并不要求各个通道的像素灰度值取值范围一致。例如：可以第一个通道取值是[0, 255], 第二个通道取值是[0, 127]。
  此外，此参数地用于与uniform的取值有关。
  uniform取值为true时，表示将像素取值平均分配为 histSize[i]个区域（此处的i表示，参与计算的第i个通道)，此时，ranges[i]数组的大小通道是2，即ranges[i][0] 表示像素值的最小值，ranges[i][1]表示像素取值的最大值。
  uniform取值为false时，表示不平均分配区间。此时，此函数就不知道如何划分区间了，就需要调用者指定。此时，ranges[i]数组的大小为区间个数加1，即histSize[i]+1。

一维颜色直方图

如果要统计一个RGB图像，三个通道的各自的直方图，需要将dims设置为1，并调用三次calcHist函数。

{
    READ_IMG_DEF_ERR_RET(img, "img1.jpg");

    cv::imshow("原始图像", img);


    int channels[1] = { 0 }; 
    int histSize[1] = { 256 };
    float range[2] = { 0, 256 };
    const float* ranges[1] = { range}; // 指定每个通道的取值范围

    // 计算B通道的颜色直方图
    cv::Mat bHist;
    cv::calcHist(&img, 1, channels, cv::Mat(), bHist, 1, histSize, ranges);
    PRINT_IMG_INFO(bHist);
    // 计算G通道的颜色直方图
    cv::Mat gHist;
    cv::calcHist(&img, 1, channels, cv::Mat(), gHist, 1, histSize, ranges);
    PRINT_IMG_INFO(gHist);
    // 计算R通道的颜色直方图
    cv::Mat rHist;
    cv::calcHist(&img, 1, channels, cv::Mat(), rHist, 1, histSize, ranges);
    PRINT_IMG_INFO(rHist);

    cv::Mat bHistImg  = ImgTools->buildHistImg(bHist, 600, 600, cv::Scalar(255, 0, 0));
    cv::imshow("颜色直方图 B", bHistImg);
    cv::Mat gHistImg  = ImgTools->buildHistImg(gHist, 600, 600, cv::Scalar(0, 255, 0));
    cv::imshow("颜色直方图 G", gHistImg);
    cv::Mat rHistImg  = ImgTools->buildHistImg(rHist, 600, 600, cv::Scalar(0, 0, 255));
    cv::imshow("颜色直方图 R", rHistImg);

    cv::waitKey(0);
}

二维颜色直方图

此时需要将dims参数设置为2。

{
    cv::Mat imgs[2];
    imgs[0] = (cv::Mat_<uchar>(2, 4) << 0, 1,  3,  3, 3,  5,  6, 7);
    imgs[1] = (cv::Mat_<uchar>(2, 4) << 8, 9, 10, 11, 11, 13, 14, 15);

    ImgTools->dumpImg(imgs[0], "imags[0]: ");
    ImgTools->dumpImg(imgs[1], "imags[1]: ");

    cv::Mat img;
    cv::merge(imgs, sizeof(imgs) / sizeof(imgs[0]), img);
    ImgTools->dumpImg(img, "imag: ");

    int channels[3] = { 0, 1  }; 
    
    int histSize[3] = { 8, 8 };  
    float rRange[2] = { 0, 8 };
    float gRange[2] = { 8, 16 };
    const float* ranges[2] = { rRange, gRange}; // 指定每个通道的取值范围

    cv::Mat hist;
    cv::calcHist(&img, 1, channels, cv::Mat(), hist, 2, histSize, ranges);
    ImgTools->dumpImg(hist, "hist info:");

}

运行结果如下图所示：

 在代码中，计算两个通道，通过参数histSize指定，每个通道都分成8个分区，因此可能有64种组合结果，因此二维直方图的大小为8*8的矩阵。

在图像中(3,10)这个组合的数据只有一个，对应的分区编号是(3,2)，因此二维直方图中(3,2)位置的数据值为1，即上图中绿色标记的位置。
在图像中 (3, 11)这个组合的数据有两个， (3, 11)对应的分区编号是(3,3)，因此上图中的红色标记的位置的统计值为2