Opencv中直方图函数calcHist

Opencv中直方图函数calcHist

calcHist函数在Opencv中是极难理解的一个函数，一方面是参数说明晦涩难懂，另一方面，说明书给出的实例也不足以令人完全搞清楚该函数的使用方式。最难理解的是第6，7，8个参数dims、histSize和ranges。以前一直都是想当然认为，该函数可以一次统计多张图片每个通道的灰度值数据，实际上calcHist函数一次只能统计一个通道上的直方图。我估计许多同学都犯过和我类似的错误，认为第5个参数hist，可以根据dims设定维度，比如dims=3，则输出的hist的维度就是3，并且会想当然的认为这个三维矩阵会保存三个通道上的直方图统计，悲哀的是，错了。它实际上是在三维坐标上统计的直方图，比如以第0个通道的灰度值有效统计范围（比如0~255）作为纵坐标，类似于笛卡尔坐标的y轴；以第1个通道灰度值统计有效范围作为横坐标，类似于笛卡尔坐标的x轴；以第2个通道的灰度值有效统计范围作为z轴。这三个轴坐标作为统计的依据。比如坐标（6，7，8），表示统计满足“0通道上灰度值为1；1通道上灰度为7；2通道上灰度为8的像素”，在整个图像上的像素个数。

当然，当dims=1时，就好理解了，就是对某一个单一通道上的灰度值直方图统计。

还有很重要一点，那就是，calcHist函数有bug。当图像尺度小于9*12，直方图均匀分布，并且直方条个数histSize为4时，会有统计错误，在后面的实例中我们会看到。

calcHist函数的声明如下：

OpenCV提供了两个重载的calcHist函数，它可以计算一系列阵列的直方图，这些系列通常是图像或像平面。它最多可以同时处理32个图像。

C++: 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 )

C++: void calcHist(const Mat* images, int nimages, const int* channels, InputArray mask, SparseMat& hist, int dims, const int* histSize, const float** ranges, bool uniform = true, bool accumulate= false )

参数说明：

images – 源图像数组，它们有同样的位深CV_8U或 CV_32F ，同样的尺寸；图像阵列中的每一个图像都可以有任意多个通道；

nimages – 源图像的数目。

channels – 维度通道序列，第一幅图像的通道标号从0~image[0].channels( )-1。Image[0]表示图像数组中的第一幅图像，channels（）表示该图像的通道数量。同理，图像阵列中的第二幅图像，通道标号从image[0].channerls( )开始，到image[1].channels( )-1为止；第三、四幅图像的通道标号顺序依此类推；也就是说图像阵列中的所有图像的通道根据图像排列顺序，排成一个通道队列。

mask – 可选择的mask。如果该矩阵不空的话，它必须是一个8-bit的矩阵，与images[i]同尺寸。在图像中，只有被mask覆盖的区域的像素才参与直方图统计。如果这个参数想用默认值，输入Mat()就可以了。

hist – 输出直方图， 它是一个稠密或稀疏矩阵，具有dims个维度；

dims – 直方图的维度，一定是正值， CV_MAX_DIMS（当前OpenCV版本是32个）；

histSize – 数组，即histSize[i]表示第i个维度上bin的个数；这里的维度可以理解为通道。

ranges – 当uniform=true时，ranges是多个二元数组组成的数组；当uniform=false时，ranges是多元数组组成的数组。当在每个维度（或通道）上每个直方条等宽时，即uniform=true时，灰度值的有效统计范围的下界用L0表示，上界用UhistSize[i]-1表示，角标中的i表示第i个维度（或通道），上下界值可以表示为hrange[i]={ L0, UhistSize[i]-1}, 在统计时， L0和UhistSize[i]-1不在统计范围内。而ranges={ hrange[0], hrange[1], …… , hrange[dims]}。ranges的元素个数由参数dims决定。
其中，L0表示在该通道上第0个直方条（bin）的下边界，UhistSize[i]-1表示最后一个直方条histSize[i]-1的上边界。在该维度上直方条的个数为histSize[i]，如hrange[0]={ L0, UhistSize[0]},hrange[1]={ L1, UhistSize[1]}, hrange[2]={ L2, UhistSize[2]}, …… , hrange[dims]={ L0, UhistSize[0]}。
当uniform=false时，ranges中的每个元素ranges[i]都是一个多元数组，元素个数为histSize[i]+1，它们分别是：L0 , U0=L1, U1= L2, …… ,UhistSize[i]-2 , LhistSize[i]-1 , UhistSize[i]-1 。所以，ranges[i]={ L0 , L1, L2, …… , LhistSize[i]-1 ,UhistSize[i]-1}

uniform – 标识，用于说明直方条bin是否是均匀等宽的。

accumulate – 累积标识。如果该项设置，当直方图重新分配时，直方图在开始清零。这个特征可以使你通过几幅图像，累积计算一个简单的直方图，或者及时更新直方图。

函数calcHist可以计算一幅或多幅图像的直方图。在元组中增量一个直方图的时候，就是从输入图像组中的原位置提取一幅图像，并计算出它的直方图，并添加到元组中。

当参数dims>1时，输出矩阵Hist是二维矩阵。

calcHist示例：单通道灰度图像

#include "pch.h"
#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <imgproc.hpp>


using namespace cv;
using namespace std;

class Histogram1D
{
private:
	int histSize[1];
	float hranges[2];
	const float *ranges[1];
	int channels[1];
public:
	Histogram1D()
	{
		histSize[0] = 256;
		hranges[0] = 0.0;
		hranges[1] = 255.0;
		ranges[0] = hranges;
		channels[0] = 0;
	}
	MatND getHistogram(const Mat &image)
	{
		MatND hist;
		calcHist(&image,                   //calcHist函数包含在<imgproc.hpp>头文件
			1,					//计算的通道
			channels,
			Mat(),
			hist,
			1,
			histSize,
			ranges
		);
		return hist;
	}
	Mat getHistogramImage(const Mat &image)
	{
		MatND hist = getHistogram(image);
		double maxVal = 0;
		double minVal = 0;
		minMaxLoc(hist, &minVal, &maxVal, 0, 0);
		Mat histImg(histSize[0], histSize[0], CV_8U, Scalar(255));
		int hpt = static_cast<int>(0.9 * histSize[0]);
		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, Point(h, histSize[0]),
				Point(h, histSize[0] - intensity),
				Scalar::all(0));
		}
		return histImg;
	}
};

int main()
{
	Mat image = imread("C:\\Users\\mk12306\\Pictures\\Saved Pictures\\ironman_test.jpg");
	if (!image.data)
		cout << "read file failure!";
	Histogram1D h;
	MatND histo = h.getHistogram(image);
	for (int i = 0; i < 255; i++)
		cout << "Value" << i << "=" << histo.at<float>(i) << endl;
	
	namedWindow("Histgram");
	namedWindow("pic");
	imshow("Histgram", h.getHistogramImage(image));
	Mat thresholded;
	threshold(image,thresholded,60,255,THRESH_BINARY);    //阈值函数（输入图像，输出图像，阈值，输出图像中最大值，阈值类型）
														  //阈值类型决定对像素的处理方式
	imshow("pic", thresholded);
	waitKey(0);
	return 0;
}