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