OpenCV 直方图统计像素

最新推荐文章于 2024-08-16 11:06:42 发布
最新推荐文章于 2024-08-16 11:06:42 发布
阅读量398 收藏 1
点赞数
分类专栏： OpenCV
xxxx
本文链接：https://blog.csdn.net/qiaoqi11/article/details/119212651
版权

目录

1.计算图像的直方图

 2.使用查找表修改图像外观

 3.反投影直方图以检测特定的图像内容

​​​​​​​

1.计算图像的直方图

首先实现单通道灰度图像

class Histogram1D
{
public:
	cv::MatND getHistogram(const cv::Mat &image);
	cv::Mat getHistogramImage(const cv::Mat &image);
	cv::Mat applyLookUp(const cv::Mat& image, const cv::MatND& lookup);
	cv::Mat stretch(const cv::Mat &image, int minValue);
	cv::Mat equalize(const cv::Mat &image);

	Histogram1D(){

		histSize[0] = 256;
		hranges[0] = 0.0;
		hranges[1] = 255.0;
		ranges[0] = hranges;
		channels[0] = 0;
	}

private:
	int histSize[1];	//项的数据
	float hranges[2];	//像素最大最小
	const float *ranges[1];
	int channels[1];

};

类实现：



cv::MatND Histogram1D::getHistogram(const cv::Mat &image)
{
	cv::MatND hist;

	cv::calcHist(&image, 
					  1,	//计算单张图像
			   channels, 	//通道数量
		      cv::Mat(), 	//不使用图像作为掩码
		           hist, 	//返回的直方图
		              1, 	//这是1D的直方图
		       histSize, 	//项的数量
		        ranges);	//像素值范围

	return hist;
}


cv::Mat Histogram1D::getHistogramImage(const cv::Mat &image)
{
	//首先计算直方图
	cv::MatND hist = getHistogram(image);

	//获取最大 最小
	double maxVal = 0;
	double minVal = 0;
	cv::minMaxLoc(hist, &minVal, &maxVal, 0, 0);

	//显示直方图的图像

	cv::Mat histImg(histSize[0],histSize[0],CV_8U,cv::Scalar(255));

	//设置最高点为nbins的90%
	int hpt = static_cast<int>(0.9*histSize[0]);

	//每个条目都绘制一条垂直线
	for (int h = 0; h<histSize[0]; h++)
	{
		float binVal = hist.at<float>(h);

		int intensity = static_cast<int>(binVal*hpt / maxVal);

		cv::line(histImg, cv::Point(h, histSize[0]),
						  cv::Point(h, histSize[0] - intensity),
					      cv::Scalar::all(0));
		
	}

	return histImg;
}



// Stretches the source image.
cv::Mat Histogram1D::stretch(const cv::Mat &image, int minValue)
{

	cv::MatND hist = getHistogram(image);
	cv::Mat result;
	int imin = 0, imax = histSize[0] - 1, dim = 256;
	for (; imin < histSize[0]; imin++)
	{
		if (hist.at<float>(imin) > minValue)
		{
			break;
		}
	}
	for (; imax >= 0; imax--)
	{
		if (hist.at<float>(imax) > minValue)
		{
			break;
		}
	}
	cv::Mat lut(1, &dim, CV_8U);

	for (int i = 0; i < 256; i++)
	{
		if (i < imin) lut.at<uchar>(i) = 0;
		else if (i > imax) lut.at<uchar>(i) = 255;
		else lut.at<uchar>(i) = static_cast<uchar>(255.0*(i - imin) / (imax - imin) + 0.5);
	}
	result = applyLookUp(image, lut);

	return result;

}

// Applies a lookup table transforming an input image into a 1-channel image
cv::Mat Histogram1D::applyLookUp(const cv::Mat& image, const cv::MatND& lookup)
{
	cv::Mat result;
	cv::LUT(image, lookup, result);
	return result;
}

cv::Mat Histogram1D::equalize(const cv::Mat &image)
{
	cv::Mat result;
	cv::Mat src = image;

	cvtColor(src, src, CV_BGR2GRAY);

	cv::equalizeHist(src,result);

	return result;
}

应用实现：

void OpenCVQtGui::Histogram_clicked()
{
	cv::Mat Result = hist1D.getHistogramImage(image);


    cv::imshow("hist1DImage", Result);


	cv::threshold(image, Result, 60, 255, cv::THRESH_BINARY);

	cvtColor(Result, Result, CV_BGR2RGB);

	QImage img1 = QImage((const unsigned char*)(Result.data), Result.cols, Result.rows, QImage::Format_RGB888);

	ui.label_2->setPixmap(QPixmap::fromImage(img1));

	ui.label_2->resize(QSize(img1.width(), img1.height()));

}

 2.实现彩色直方图


class ColorHistogram
{
public:
	ColorHistogram()
	{
		histSize[0] = histSize[1] = histSize[2] = 256;
		hranges[0] = 0.0;
		hranges[1] = 255.0;
		ranges[0] = hranges;
		ranges[1] = hranges;
		ranges[2] = hranges;
		channels[0] = 0;
		channels[1] = 1;
		channels[2] = 2;
	}

	cv::MatND getHistogram(const cv::Mat &image);
	cv::SparseMat getSparseHistogram(const cv::Mat &image);
	cv::Mat getHistogramImage(const cv::Mat &image);

private:
	int histSize[3];
	float hranges[2];
	const float *ranges[3];
	int channels[3];

};

类实现：

cv::MatND ColorHistogram::getHistogram(const cv::Mat &image)
{
	cv::MatND hist;

	cv::calcHist(&image,
					  1,
				channels,
			   cv::Mat(),
					hist,
					   3,
				histSize,
				 ranges);
	return hist;
}

cv::SparseMat ColorHistogram::getSparseHistogram(const cv::Mat &image)
{
	cv::SparseMat hist(3,histSize,CV_32F);

	cv::calcHist(&image,
					  1,
			   channels,
			  cv::Mat(),
				   hist,
					  3,
			   histSize,
			    ranges);
	return hist;
}

cv::Mat ColorHistogram::getHistogramImage(const cv::Mat &image)
{

// 	首先计算直方图
	cv::MatND hist;
	std::vector<cv::Mat> b;

	cv::split(image, b);
	cv::Mat b_hist, r_hist, g_hist;

	cv::calcHist(&b[0], 1, channels, cv::Mat(), b_hist, 1, histSize, ranges, true, false);
	cv::calcHist(&b[1], 1, channels, cv::Mat(), g_hist, 1, histSize, ranges, true, false);
	cv::calcHist(&b[2], 1, channels, cv::Mat(), r_hist, 1, histSize, ranges, true, false);

	//创建相关变量
	int hist_w = 512;
	int hist_h = 400;
	int bins = cvRound((double)image.cols / histSize[0]);

	cv::Mat histImg = cv::Mat(image.cols, image.rows, CV_8UC3, cv::Scalar(0, 0, 0));

	cv::normalize(b_hist, b_hist, 0, image.rows, cv::NORM_MINMAX, -1, cv::Mat());
	cv::normalize(g_hist, g_hist, 0, image.rows, cv::NORM_MINMAX, -1, cv::Mat());
	cv::normalize(r_hist, r_hist, 0, image.rows, cv::NORM_MINMAX, -1, cv::Mat());

	//画图
	
	for (size_t i = 0; i <  histSize[0]-1; i++)
	{

		line(histImg, cv::Point(bins * i,		image.rows - cvRound(b_hist.at<float>(i))),
					  cv::Point(bins * (i + 1), image.rows - cvRound(b_hist.at<float>(i+1))), cv::Scalar(0, 0, 255), 1, cv::LINE_AA);
		
		line(histImg, cv::Point(bins * i,		image.rows - cvRound(g_hist.at<float>(i))),
					  cv::Point(bins * (i + 1), image.rows - cvRound(g_hist.at<float>(i + 1))), cv::Scalar(0, 255, 0), 1, cv::LINE_AA);
		
		line(histImg, cv::Point(bins * i,		image.rows - cvRound(r_hist.at<float>(i))),
					  cv::Point(bins *(i + 1),	image.rows - cvRound(r_hist.at<float>(i + 1))), cv::Scalar(255, 0, 0), 1, cv::LINE_AA);
	}

	imshow("图像直方图", histImg);

	return histImg;
}

运行效果：

 2.使用查找表修改图像外观

void OpenCVQtGui::LookUp_clicked()
{

	// Create an image inversion table
	//uchar lookup[256];
	// Create lookup table
	int dims[1] = { 256 };
	cv::MatND lookup(1, dims, CV_8U);

	for (int i = 0; i < 256; i++) {

		lookup.at<uchar>(i) = 255 - i;
	}

	cv::Mat Result = hist1D.applyLookUp(image, lookup);

	cv::namedWindow("Image");
	cv::imshow("Image", Result);

	Result = hist1D.equalize(image);

	cv::namedWindow("Image2");
	cv::imshow("Image2", Result);

	Result = hist1D.stretch(image, 30);
	

	//cv::Mat Result2 = Chist.getHistogramImage(image);

	// 	cv::namedWindow("Image2");
	// 
	// 	cv::imshow("Image2", Result2);


	// 	cv::SparseMat Result3 = Chist.getSparseHistogram(image);
	// 
	// 	cv::namedWindow("Original Image3");
	// 
	// 	cv::imshow("Original Image3", Result2);


	//cv::threshold(image, Result, 60, 255, cv::THRESH_BINARY);

	cvtColor(Result, Result, CV_BGR2RGB);

	QImage img1 = QImage((const unsigned char*)(Result.data), Result.cols, Result.rows, QImage::Format_RGB888);

	ui.label_2->setPixmap(QPixmap::fromImage(img1));

	ui.label_2->resize(QSize(img1.width(), img1.height()));

}

 

 3.反投影直方图以检测特定的图像内容

添加类：

class ContentFinder
{
public:
	ContentFinder()
	{
		threshold = -1.0;
		ranges[0] = hranges;
		ranges[1] = hranges;
		ranges[2] = hranges;
	}
	void setThreshold(float t);
	float getThreshold();
	void setHistogram(const cv::MatND &h);
	cv::Mat find(const cv::Mat& image, float minValue, float maxValue, int *channels, int dim);

private:
	float hranges[2];
	const float *ranges[3];
	float threshold;
	int channels[3];
	cv::MatND histogram;
};

类实现：

void ContentFinder::setThreshold(float t)
{
	threshold = t;
}

float ContentFinder::getThreshold()
{
	return threshold;
}

void ContentFinder::setHistogram(const cv::MatND &h)
{
	histogram = h;
	cv::normalize(histogram, histogram, 1.0);
}

cv::Mat ContentFinder::find(const cv::Mat& image, float minValue, float maxValue, int *channels, int dim)
{
	cv::Mat result;
	hranges[0] = minValue;
	hranges[1] = maxValue;
	for (int i = 0; i < dim; i++)
	{
		this->channels[i] = channels[i];
	}
	cv::calcBackProject(&image,
		1,
		channels,
		histogram,
		result,
		ranges,
		255.0
	);
	if (threshold > 0.0)
	{
		cv::threshold(result, result, 255 * threshold, 255, cv::THRESH_BINARY);
	}
	return result;
}

 应用实现：

void OpenCVQtGui::CalcBack_clicked()
{
	cv::Mat Result = image;

	cv::Mat ImageROI;
	ImageROI = image(cv::Rect(120,70,150,150));

	cv::MatND hist = Chist.getHistogram(ImageROI);

	finder.setHistogram(hist);

	finder.setThreshold(0.05);

	int channels[3] = { 0, 1, 2 };
	Result = finder.find(image, 0, 255, channels, 3);


	cv::namedWindow("Image");

	cv::imshow("Image", ImageROI);

 	cvtColor(Result, Result, CV_BGR2RGB);

	//cv::addWeighted(Result, 1.0, ImageROI, 0.8, 0., Result);

// 	cvtColor(ImageROI, ImageROI, CV_BGR2RGB);


// 	cv::namedWindow("Image");
// 	cv::imshow("Image", ImageROI);
	

	cvtColor(Result, Result, CV_BGR2RGB);

	QImage img1 = QImage((const unsigned char*)(Result.data), Result.cols, Result.rows, QImage::Format_RGB888);

	ui.label_2->setPixmap(QPixmap::fromImage(img1));

	ui.label_2->resize(QSize(img1.width(), img1.height()));

}

效果： 

 

qiaoqi11
关注
专栏目录
【OpenCV学习笔记 007】使用直方图统计像素
10-01
爱分享、爱极客的编程怪兽--DaveBobo 博文 《【OpenCV学习笔记 007】使用直方图统计像素》 博文链接： http://blog.csdn.net/davebobo/article/details/52554968 OpenCV版本：2.4.9
OpenCV计算机视觉编程篇四《用直方图统计像素》
编辑编辑器
12-27 1842
前言 前期回顾： OpenCV计算机视觉编程篇三《处理图像的颜色》 上面这篇里面写了操作像素相关。 本章包括以下内容： 计算图像直方图； 利用查找表修改图像外观； 直方图均衡化； 反向投影直方图检测特定图像内容； 用均值平移算法查找目标； 比较直方图搜索相似图像； 用积分图像统计像素。 4.1 简介 图像是由不同数值（颜色）的像素构成的，像素值在整幅图像中的分布情况是该图像的一个重要属性。本章将介绍图像直方图的概念，你将学会如何计算直方图、如何用直方图修改图像的 外观，还可以用直方图来标识图像的内容，检
opencv如何计算图片的像素数
最新发布
sunyao1314的博客
08-16 452
在OpenCV中，计算一个图像（cv::Mat对象）的像素数非常简单。cv::Mat对象具有rows和cols属性，这两个属性可以用来计算图像的总像素数。将高度和宽度相乘，即可得到图像的总像素数。
OpenCV入门（十二）：图像像素点统计
一直在路上
09-10 1580
统计图像像素点最大值、最小值、均值、标准差
【OpenCV 4】图像像素值统计
风语留痕
06-20 2320
用C++代码演示OpenCV 4.1.0 中图像像素值统计。 编程环境：OpenCV 4.1.0 + Visual Studio 2017
opencv快速入门—图像像素值统计
qq_60678226的博客
10-20 240
贾志刚老师—opencv基于C++快速入门基础30讲 知识点：像素值统计 -最小(min) -最大(max) -均值(mean) -标准方差(standard deviation) API知识点 -最大最小值minMaxLoc -计算均值与标准方差meanStdDev 头文件：创建函数 函数文件：函数的实现 主程序文件：函数调用 ...
opencv直方图统计
01-20
本篇文章将深入探讨与“opencv直方图统计”相关的知识点，包括反投影映射、Meanshift算法以及LUT（查找表）在直方图处理中的应用。 首先，直方图是图像分析的基础，它表示图像中不同灰度级或颜色出现的频率。在...
37.OpenCV直方图统计两万字详解（掩膜直方图、灰度直方图对比、黑夜白天预测）.pdf
03-31
掩膜直方图是指在原始图像的基础上，先定义一个掩膜区域，然后只对该区域内的像素进行直方图统计。这种方式特别适用于关注图像中某一部分的情况。 #### 实现方法 1. **创建掩膜图像**：定义一个与原图像尺寸相同的...
zhifangtu.rar_opencv 直方图
09-19
在本项目中，“zhifangtu.rar_opencv 直方图”是使用C++编程语言和OpenCV库实现的一个图像直方图统计应用。OpenCV（Open Source Computer Vision Library）是一个强大的计算机视觉库，提供了丰富的图像处理和计算机...
OpenCV 直方图均衡化
流楚丶格念的博客
01-24 8707
文章目录直方图均衡化介绍图像的直方图是什么?更形象解释什么是直方图均衡化？直方图均衡化是如何实现的？直方图均衡化的作用直方图均衡化步骤相关APIequalizeHist代码示例 直方图均衡化介绍 图像的直方图是什么? 图像直方图，是指对整个图像像在灰度范围内的像素值(0~255)统计出现频率次数，据此生成的直方图，称为图像直方图-直方图。直方图反映了图像灰度的分布情况。是图像的统计学特征。 简单来说：直方图是图像中像素强度分布的图形表达方式，它统计了每一个强度值所具有的像素个数。 例如下面这张图片，左图为灰
opencv：图像像素值统计（十三）
weixin_44549563的博客
10-09 599
图像像素统计，求最大值，最小值，均值，方差
CV数据分析软件
09-06
可做CV/AV等源文件的数据提取和分析之用，简单易操作
【从零学习openCV】使用直方图统计像素
Shawn-HT的专栏
11-12 5873
1. 简介
OpenCV计算指定区域的黑白像素个数
随心漂流的博客
06-05 8275
过程模拟模板匹配过程，可修改成模板匹配方式: 过程：读取一张图片->从图片中选取感兴趣区域(ROI)，并保存->把保存下来的区域图片(ROI)读取出来->预处理后计算黑白像素的个数 #include "stdafx.h" #include "opencv2/highgui/highgui.hpp" #include "cv.h" #include <opencv2/imgproc/imgproc.hpp> #include <iostream> using nam
OpenCV_用直方图统计像素
热门推荐
birdguan
12-05 1万+
*计算图像直方图 直方图是一个简单的表格，表示一个图像中具有某个值的像素的数量。因此灰度图像有256个项目，也叫箱子。0号箱子提供值为0的像素的数量，1号箱子提供值为1的像素的数量，等等。 效果： 代码： #include #include "opencv.hpp" #include "opencv2/core/core.hpp" #include "open
数字图像处理——绘制灰度直方图（遍历每个像素点的方法）
fucheng的博客
03-18 1252
直接上代码： close all clear all clc I=imread('lena.png'); row=size(I,1); column=size(I,2);%2→dimision N=zeros(1,256); for i=1:row for j=1:column k=I(i,j); N(k+1)=N(k+1)+1;%记录每个灰度值的像素数 end end figure(1) subplot(1,1,1),imshow
Python cv2 寻找图片中数量占比最高的像素
Sleeping_Zky的博客
03-15 3201
Python cv2 寻找图片中数量占比最高的像素 工作中遇到一个问题，即找出图片当中数量占比最高的像素值。 因时间紧迫，使用两层循环嵌套 naive 的完成了需求，效率非常慢，被人吐槽（可耻！）。 故开始寻找优化方法，发现利用 numpy 可以实现这个功能。 因此本文打算从最 naive 的方法开始，逐步比较不同方法，并试图探寻 numpy 执行如此迅速的原因。 以下是本篇章节，可以根据标题选择性观看。 naive 循环嵌套 基于numpy的实现 numpy高效背后的原因 naive 循环嵌套
opencv学习之路（38）、Mat像素统计基础——均值，标准差，协方差；特征值，特征向量...
weixin_30701521的博客
12-25 1054
本文部分内容转自　　https://www.cnblogs.com/chaosimple/p/3182157.html 一、统计学概念 二、为什么需要协方差 三、协方差矩阵 注：上述协方差矩阵还需要除以除以（n-1）。MATLAB使用cov函数计算协方差时自动除以了（n-1），opencv使用calcCovarMatrix函数计算后还需要手动除以（n-1） 协方差具体...
OpenCV Python：直方图统计与绘制教程
包括直方图的基本概念、统计直方图的关键参数如BINS、DIMS和RANGE，以及使用OpenCV的`cv2.calcHist()`函数和NumPy的`np.histogram()`函数进行直方图统计。此外，还提到了使用Matplotlib的`pyplot.hist()`函数进行...
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
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