imgproc模块--直方图

1.目的
(1)如何使用OpenCV函数 split 将图像分割成单通道数组。
(2)如何使用OpenCV函数 calcHist 计算图像阵列的直方图。
(3)如何使用OpenCV函数 normalize 归一化数组。

2.原理
[1]直方图
直方图是对数据的集合 统计 ,并将统计结果分布于一系列预定义的 bins 中。这里的 数据 不仅仅指的是灰度值 (如上一篇您所看到的), 统计数据可能是任何能有效描述图像的特征。

假设有一个矩阵包含一张图像的信息 (灰度值 0-255):如果我们按照某种方式去 统计 这些数字,会发生什么情况呢? 既然已知数字的 范围 包含 256 个值, 我们可以将这个范围分割成子区域(称作 bins), 如:
bins

然后再统计掉入每一个 bini 的像素数目。采用这一方法来统计上面的数字矩阵,我们可以得到下图( x轴表示 bin, y轴表示各个bin中的像素个数)。
统计结果

以上只是一个说明直方图如何工作以及它的用处的简单示例。直方图可以统计的不仅仅是颜色灰度, 它可以统计任何图像特征 (如 梯度, 方向等等)。

[2]直方图的细节:
a. dims: 需要统计的特征的数目, 在上例中, dims = 1 因为我们仅仅统计了灰度值(灰度图像)。
b. bins: 每个特征空间 子区段 的数目,在上例中, bins = 16
c. range: 每个特征空间的取值范围,在上例中, range = [0,255]
PS:统计两个特征,直方图是3维的,x,y分别代表一个特征, z代表落入(x,y)中的样本数目。同样的方法适用于更高维的情形 。

3.部分代码解释
(1)calcHist

    /*
    calcHist参数解释(10个参数)
    &rgb_planes[0]: 输入数组(或数组集)
    1: 输入数组的个数 (这里我们使用了一个单通道图像,我们也可以输入数组集 )
    0: 需要统计的通道 (dim)索引 ,这里我们只是统计了灰度 (且每个数组都是单通道)所以只要写 0 就行了。    
    Mat(): 掩码( 0 表示忽略该像素), 如果未定义,则不使用掩码
    r_hist: 储存直方图的矩阵
    1: 直方图维数
    histSize: 每个维度的bin数目
    histRange: 每个维度的取值范围,必须是const,一个二维数组
    uniform 和 accumulate: bin大小相同,清除直方图痕迹
    */
    calcHist(&rgb_plane[0], 1, 0, Mat(), r_hist, 1, &hist
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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