Opencv学习笔记(8)——直方图统计

Opencv学习笔记(8)——直方图统计

本章我将为大家介绍直方图的相关知识，相关内容分别有：直方图均衡化、直方图计算、直方图比较，直方图反向投射。

一.直方图均衡化

1.相关理论

1.什么是直方图(Histogram)？

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。

2.直方图均衡化
是一种提高图像对比度的方法，拉伸图像灰度值范围。

如何实现，通过上一课中的remap我们知道可以将图像灰度分布从一个分布映射到另外一个分布，然后在得到映射后的像素值即可。

2.相关API应用

cv::equalizeHist

equalizeHist(
InputArray src,//输入图像，必须是8-bit的单通道图像
OutputArray dst// 输出结果
)

3.程序示例

#include<opencv2/opencv.hpp>
#include<iostream>
using namespace cv;
using namespace std;
Mat src, dst, map_x, map_y;
const char* OUTPUT_TITLE = "equalizeHist demo";
int main(int argc, char** argv) {
   
	src = imread("E:/photoss/dog1.jpeg");
	if (!src.data) {
   
		printf("Could not load image...\n");
		return 1;
	}
	char input_win[] = "input image";
	namedWindow(input_win, CV_WINDOW_AUTOSIZE);
	namedWindow(OUTPUT_TITLE, CV_WINDOW_AUTOSIZE);
	cvtColor(src, src, CV_BGR2GRAY);
	imshow(input_win, src);
	equalizeHist(src, dst);//直方图均衡化
	imshow(OUTPUT_TITLE, dst);
	waitKey(0);
	return 0;
}

运行效果：

二.直方图计算

1.相关原理

1.直方图概念


上述直方图概念是基于图像像素值，其实对图像梯度、每个像素的角度、等一切图像的属性值，我们都可以建立直方图。这个才是直方图的概念真正意义，不过是基于图像像素灰度直方图是最常见的。
直方图最常见的几个属性：

• dims 表示维度，对灰度图像来说只有一个通道值dims=1
• bins 表示在维度中子区域大小划分，bins=256，划分为256个级别
• range 表示值得范围，灰度值范围为[0~255]之间

2.相关API说明

1.cv::split

split(// 把多通道图像分为多个单通道图像
const Mat &src, //输入图像
Mat* mvbegin）// 输出的通道图像数组

2.cv::calcHist

calcHist(
 const Mat* images,//输入图像指针
int images,// 图像数目
const int* channels,// 通道数
InputArray mask,// 输入mask，可选，不用则输入Mat()
OutputArray hist,//输出的直方图数据
int dims,// 维数
const int* histsize,// 直方图级数
const float* ranges,// 值域范围
bool uniform,// true by default,是否归一化
bool accumulate// false by defaut，是否累计各通道值
)

3. 程序示例

#include<iostream>
#include<math.h>
using namespace cv;
using namespace std;

int main(int argc, char** argv) {
   
	Mat src, dst, map_x, map_y;
	src = imread("E:/photoss/dog1.jpeg");
	if (!src.data) {
   
		printf("Could not load image...\n");
		return 1;
	}
	char input_win[] = "input image";
	const char* OUTPUT_TITLE = "histogram demo";
	namedWindow(input_win, CV_WINDOW_AUTOSIZE);
	namedWindow(OUTPUT_TITLE, CV_WINDOW_AUTOSIZE);
	imshow(input_win, src);

	//分通道显示
	vector<Mat> bgr_planes;
	split(src, bgr_planes);//对src图像进行通道分离至bgr_planes图像数组中
	//imshow("single channel demo",bgr_planes[0]);

	//计算直方图
	int histSize = 256;
	float range[] = {
    0,256 };
	const float *histRanges = {
    range };
	Mat b_hist, g_hist, r_hist;
	calcHist(&bgr_planes[0], 1, 0, Mat(), b_hist, 1, &histSize, &histRanges, true, false);
	//输入图像为bgr_planes[0]，输入图像个数为1，对图像的第一通道进行直方图统计，掩膜设置为Mat()即不设置掩膜，输出图像为b_hist,需要统计直方图个数为1维数为1，划分的区间数即bins为255，统计像素区间为0-255，进行归一化处理，不累加计算像素值得个数
	calcHist(&bgr_planes[