opencv笔记（十一）——灰度直方图

一、灰度直方图

c++的原型函数：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 )；

参数详解：

 images：输入的图像的指针，可以是多幅图像，所有的图像必须有同样的深度（CV_8U or CV_32F）。同时一副图像可以有多个channes。

nimages：输入图像的个数

 channels：需要统计直方图的第几通道。用来计算直方图的channes的数组。比如输入是2副图像，第一副图像有0，1，2共三个channel，第二幅图像只有0一个channel，那么输入就一共有4个channes，如果int channels[3] = {3, 2, 0}，那么就表示是使用第二副图像的第一个通道和第一副图像的第2和第0个通道来计算直方图。

mask：掩膜，如果mask不为空，那么它必须是一个8位（CV_8U）的数组，并且它的大小的和arrays[i]的大小相同，值为1的点将用来计算掩膜内的直方图  ...Mat()

hist:输出的直方图数组

dims：需要统计直方图通道的个数

histSize：指的是直方图分成多少个区间，就是 bin的个数。在每一维上直方图的个数。简单把直方图看作一个一个的竖条的话，就是每一维上竖条的个数。

const float** ranges： 统计像素值得区间。比如： 

        float rang1[] = {0, 20};

        float rang2[] = {30, 40};

        const float *rangs[] = {rang1, rang2};那么就是对0，20和30，40范围的值进行统计。

uniform=true::是否对得到的直方图数组进行归一化处理

accumulate=false：在多个图像时，是否累计计算像素值得个数

#include<opencv2\core\core.hpp>
#include<opencv2\highgui\highgui.hpp>
#include<opencv2\imgproc\imgproc.hpp>
#include<iostream>
 
using namespace std;
using namespace cv;
 
//求一幅灰度图像的直方图图像，返回的是直方图图像
Mat getHistograph(const Mat grayImage);
 
int main(int argc,char* argv[])
{
	//加载图像
	Mat image;
	image=imread("lena.bmp",IMREAD_COLOR);
	//判断是否为空
	if(image.empty())
	{
		cerr<<""<<endl;
		return -1;
	}
	//定义灰度图像，转成灰度图
	Mat grayImage;
	cvtColor(image,grayImage,COLOR_BGR2GRAY);
	//double x=compareHist(hist,hist,/*CV_COMP_CORREL、CV_COMP_INTERSECT*/CV_COMP_BHATTACHARYYA);
	//直方图图像
	Mat hist=getHistograph(grayImage);
 
	imshow("src",image);
	imshow("hist",hist);
	waitKey(0);
	return 0;
}
//注释是自己理解，若有错误，欢迎批评指正！
Mat getHistograph(const Mat grayImage)
{
	//定义求直方图的通道数目，从0开始索引
	int channels[]={0};
	//定义直方图的在每一维上的大小，例如灰度图直方图的横坐标是图像的灰度值，就一维，bin的个数
	//如果直方图图像横坐标bin个数为x，纵坐标bin个数为y，则channels[]={1,2}其直方图应该为三维的，Z轴是每个bin上统计的数目
	const int histSize[]={256};
	//每一维bin的变化范围
	float range[]={0,256};
 
	//所有bin的变化范围，个数跟channels应该跟channels一致
	const float* ranges[]={range};
 
	//定义直方图，这里求的是直方图数据
	Mat hist;
	//opencv中计算直方图的函数，hist大小为256*1，每行存储的统计的该行对应的灰度值的个数
	calcHist(&grayImage,1,channels,Mat(),hist,1,histSize,ranges,true,false);//cv中是cvCalcHist
 
	//找出直方图统计的个数的最大值，用来作为直方图纵坐标的高
	double maxValue=0;
	//找矩阵中最大最小值及对应索引的函数
	minMaxLoc(hist,0,&maxValue,0,0);
	//最大值取整
	int rows=cvRound(maxValue);
	//定义直方图图像，直方图纵坐标的高作为行数，列数为256(灰度值的个数)
	//因为是直方图的图像，所以以黑白两色为区分，白色为直方图的图像
	Mat histImage=Mat::zeros(rows,256,CV_8UC1);
 
	//直方图图像表示
	for(int i=0;i<256;i++)
	{
		//取每个bin的数目
		int temp=(int)(hist.at<float>(i,0));
		//如果bin数目为0，则说明图像上没有该灰度值，则整列为黑色
		//如果图像上有该灰度值，则将该列对应个数的像素设为白色
		if(temp)
		{
			//由于图像坐标是以左上角为原点，所以要进行变换，使直方图图像以左下角为坐标原点
			histImage.col(i).rowRange(Range(rows-temp,rows))=255; 
		}
	}
	//由于直方图图像列高可能很高，因此进行图像对列要进行对应的缩减，使直方图图像更直观
	Mat resizeImage;
	resize(histImage,resizeImage,Size(256,256));
	return resizeImage;
}

实验结果：

如果对求的直方图图像不进行resize(列太高了)，结果为：

参考：https://blog.csdn.net/sydnash/article/details/7451039

https://blog.csdn.net/Quincuntial/article/details/50158717

Mat格式和cv格式下的区别 http://lib.csdn.net/article/opencv/28578