常言道“温故而知新”,写此文章就是对自己目前学习内容的小小的总结与记录。
本文力求用最简洁的语言,详细的代码将此部分内容讲解清楚,但由于博主同样是刚刚接触OpenCV,或许表达上有些瑕疵,还望读者能够指教探讨,大家共同进步。
博主机器配置为:VS2013+opencv2.4.13+Win-64bit。
若本文能给读者带来一点点启示与帮助,我就很开心了。
====================分割线====================
本节以HSV空间的H-S的二维联合直方图为例。需要说明的是,二维直方图并不是一个通道一个通道的分别独立平行计算,而是将两个通道的数据整合起来计算出的二维直方图。
前言:
直方图的定义
直方图(Histogram)又称柱状图、质量分布图,是一种统计报告图。直方图由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据类型,纵轴表示分布情况。在图像处理上,直方图是图像信息统计的有力工具。其实也就是统计一幅图某个亮度像素数量。
1-换个角度认识图像(直方图)
第一个就是当我们面对图像的时候,我们面对的是抽象的矩阵,如下图,下面是0-255的灰度图像的表示,密密麻麻的。
那么我们做的直方图,其实就是对这些像素值的统计。例如:首先,我们需要把0-255分成 17 个 区域(bin),如下图所示:
我们对每个范围中的灰度值进行统计排序,做出如下的表格:
我们是以图像的灰度为例子说明这个直方图,当然直方图不仅仅用于灰度特种统计排序,还可以用于图像的梯度、方向等特征。
灰度直方图是灰度级的函数,描述图像中该灰度级的像素个数(或该灰度级像素出现的频率):其横坐标是灰度级,纵坐标表示图像中该灰度级出现的个数(频率)。
在以上的过程中,我们使用到一些重要的参数,理解这些参数帮助我们更好的使用API函数。
- dims:需要统计的特征的数目,我们上面只统计了 灰度值这个特征,所以, dims =1。
- bins:一般翻译为箱子,看上图,一共有16个bins,其实就和我们平时见得简单函数差不多。在图像直方图中,你可以把一个灰度值设置为一个bins,0~255强度的灰度值一共就需要256个bins,是不是很简单。
- Range:就是范围啦,规定一个bins能够达到的最大和最小的范围。比如一张图片10*10,那么就有100个像素。然后前面已经说过,直方图是按照亮度统计像素数量,那么范围就是0~100啦。这里有一个地方要说一下,刚刚0~100还是对于比较小的图像,那么对于比较大的图像1000*1000,那么范围太大了。我们统计像素数量的时候肯定没有问题,但是要画直方图的时候,难道有一个包含100000个像素,岂不是要化的很长?所以,一般在画直方图的时候,会有一个比例缩放的过程,比如我提前定好我直方图最大的高度只能够是256,那么你就可以用(最大的高度/最大的像素量)统计到的像素量来进行缩放。这样就简单多了。我这里提到的缩放方式只是一种,你可以随便定义喜欢的缩放方式。
一维直方图的结构表示为:
再结合上面画的示意图,应该就很好理解了。
基本的概念其实很简答,想的时候要不要想复杂了,那么基本概念就到这里了。
===============分割线===============
2-H-S直方图
- 为了刻画图像中颜色的直观特性,常常需要分析图像HSV空间下的直方图特征。
- HSV空间由色调、饱和度以及亮度构成,因此在进行直方图计算时,需要先将源RGB图像转换为HSV颜色空间图像,然后将对应的H和S通道进行单元划分,在其二维空间上计算对应直方图,其次再通过计算直方图空间上的最大值,归一化绘制相应的直方图信息。
- 色相-饱和度直方图常常应用在目标检测、特征分析及目标特征跟踪等场景中。
================分割线==============
3-相关函数说明
当然了,首先介绍的是计算直方图的函数了。
直方图计算:calcHist()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 );
参数解释:
- 参数1:输入源图像。注意这里的格式是const Mat*,也就是说,你要传入一个地址,输入的数组(图片)或者数组集(一堆图片)需要为相同的深度(CV_8U或CV_32F)和相同的尺寸。
- 参数2:int类型的nimages,输入数组的个数,也就是第一个参数中存放了多少张“图像”,有几个原数组。
- 参数3:const int*类型的channels,用来计算直方图的channes的数组,需要统计的通道(dim)索引。第一个数组通道从0到images[0].channels()-1,而第二个数组通道从images[0]计算到images[0].channels()+images[1].channels()-1,以此类推。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。(这句表示没看懂)。
- 参数4:InputArray类型的mask,可选的操作掩码。如果此掩码不为空,那么它必须为8位(CV_8U)的数组,并且与images[i]有同样大小的尺寸,值为1的点将用来计算直方图。这里的非零掩码元素用于标记出统计直方图的数组元素数据。
- 参数5:OutputArray类型的hist,输出的计算出来的直方图,一个二维数组。
- 参数6:int类型dims,需要计算的直方图的维度,必须是正数,且不大于CV_MAX_DIMS。(32)
- 参数7:const int*类型的histSize,存放每个维度的直方图尺寸的数组。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。
- 参数8:const float**类型的ranges,表示每一个维度数组(第6个参数dims)的每一维的边界阵列,可以理解为每一维数值的取值范围。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。
- 参数9:bool类型的uniform,表示直方图是否均匀的标识符,即每一个竖条的宽度是否相等。有默认值true。
- 参数10:bool类型的accumulate,累计标识符,有默认值false。若其为true,直方图在配置阶段不会被清零。此功能主要是允许从多个阵列中计算单个直方图,或者用于在特定的时间更新直方图。
=====================间隔线======================
寻找最值:minMaxLoc()函数
功能:查找全局最小和最大数组元素并返回它们的值和它们的位置。
-
void minMaxLoc(InputArray src, CV_OUT double* minVal,
-
CV_OUT double* maxVal=0, CV_OUT Point* minLoc=0,
-
CV_OUT Point* maxLoc=0, InputArray mask=noArray());
参数解释
- 参数1:InputArray类型的src,输入单通道数组(图像)。
- 参数2:double*类型的minVal,返回最小值的指针。若无须返回,此值置为NULL。
- 参数3:double*类型的maxVal,返回最大值的指针。若无须返回,此值置为NULL。
- 参数4:Point*类型的minLoc,返回最小位置的指针(二维情况下)。若无须返回,此值置为NULL。
- 参数5:Point*类型的maxLoc,返回最大位置的指针(二维情况下)。若无须返回,此值置为NULL。
- 参数6:InputArray类型的mask,用于选择子阵列的可选掩膜。
=====================间隔线======================
绘图方法详情请看官方文档: 基本绘图
=====================分割线=====================
4-代码演示
-
//--------------------------------------------------------------
-
//功能:绘制H-S直方图(二维)
-
//--------------------------------------------------------------
-
#include <opencv2/core/core.hpp>
-
#include <opencv2/highgui/highgui.hpp>
-
#include <opencv2/imgproc/imgproc.hpp>
-
#include <iostream>
-
using namespace std;
-
using namespace cv;
-
int main()
-
{
-
//------------【1】读取源图像并转化为HSV颜色模型------------
-
Mat srcImage, hsvImage;
-
srcImage = imread("D:/OutPutResult/ImageTest/jianzhu6.jpg");
-
if (!srcImage.data)
-
{
-
cout << "读取图片错误,请重新输入正确路径!\n";
-
system("pause");
-
return -1;
-
}
-
cvtColor(srcImage, hsvImage, COLOR_BGR2HSV); //RGB颜色空间转换为HSV颜色空间
-
//------------【2】参数准备------------------------------------
-
//将灰度量化为30个等级,将饱和度量化为32个等级
-
int hueBinNum = 30; //灰度色调的直方图直条数量
-
int saturationBinNum = 32; //饱和度的直方图直条数量
-
int histSize[] = { hueBinNum, saturationBinNum };
-
//定义灰度的变化范围为0到179
-
float hueRanges[] = { 0, 180 };
-
//定义饱和度的变化范围为0(黑,白,灰)到255(纯光谱颜色)
-
float saturationRanges[] = { 0, 256 };
-
const float* ranges[] = { hueRanges, saturationRanges };
-
MatND dstHist;
-
//选取计算直方图通道。calcHist函数中将计算第0通道和第1通道的直方图
-
int channels[] = { 0, 1 };
-
//------------【3】正式calcHist,进行直方图计算------------
-
calcHist(&hsvImage, //输入的数组
-
1, //数组个数为1
-
channels, //通道索引
-
Mat(), //不使用掩膜
-
dstHist, //输出的目标直方图
-
2, //需要计算的直方图的维度为2
-
histSize, //存放每个维度的直方图尺寸的数组
-
ranges, //每一维数值的取值范围数组
-
true, //指示直方图是否均匀的标识符,true表示均匀的直方图
-
false); //累计标识符,false表示直方图在配置阶段会被清零
-
//------------【4】为绘制直方图准备参数------------------------------------
-
double maxValue = 0;
-
minMaxLoc(dstHist, 0, &maxValue, 0, 0); //查找到直方图的最大值
-
int scale = 10;
-
Mat histImg = Mat::zeros(saturationBinNum*scale, hueBinNum * 10, CV_8UC3);
-
//------------【5】双层循环,进行直方图绘制。遍历H、S通道------------
-
for (int hue = 0; hue < hueBinNum; hue++)
-
{
-
for (int saturation = 0; saturation < saturationBinNum; saturation++)
-
{
-
float binValue = dstHist.at<float>(hue, saturation); //直方图直条的值
-
int intensity = cvRound(binValue * 255 / maxValue); //强度
-
//正式进行绘制
-
rectangle(histImg, Point(hue*scale, saturation*scale), Point((hue + 1)*scale - 1,
-
(saturation + 1)*scale - 1), Scalar::all(intensity), CV_FILLED);
-
}
-
}
-
//------------【6】显示效果图------------------------
-
imshow("【源图像-RGB颜色空间】", srcImage);
-
imshow("【源图像转HSV颜色空间】", hsvImage);
-
imshow("H-S直方图", histImg);
-
waitKey(0);
-
return 0;
-
}
=========================分割线===================
5-显示结果
====================分割线=================
6-程序说明
注意 :色调(Hue),饱和度(Saturation)。 所以“H-S直方图”就是“色调-饱和度直方图” 。
参考文献: