OpenCV学习笔记：彩色图像的两个通道构成一个二维直方图

一、前言

1.进行原图像与均衡化后的图像之间的比较。
2.为了比较直方图，对直方图进行归一化处理。
3.计算由同一幅彩色图像的两个通道构成一个二维直方图。

二、代码实现

// 08.26.2019 by yh

#include <opencv2/opencv.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>
#include <stdio.h>

using namespace std;
using namespace cv;

void histogram2Dcalculation(const Mat &src, Mat &histo2D)
{
	Mat hsv;

	cvtColor(src, hsv, CV_BGR2HSV);

	//量化色度为30~255阶
	//饱和度为32~255阶
	int hbins = 255, sbins = 255;
	int histSize[] = { hbins,sbins };

	//色度变化从0到179
	float hranges[] = {0,180};
	//饱和度变化从0（黑-灰-白）到255（纯光谱颜色）
	float sranges[] = { 0,256 };
	const float* ranges[] = { hranges,sranges };
	MatND hist, hist2;
	//从第0个通道到第1个通道计算直方图
	int channels[] = { 0,1 };

	calcHist(&hsv, 1, channels, Mat(), hist, 1, histSize, ranges, true, false);
	double maxVal = 0;
	minMaxLoc(hist, 0, &maxVal, 0, 0);

	int scale = 1;
	Mat histImg = Mat::zeros(sbins*scale, hbins*scale, CV_8UC3);

	for (int h = 0; h < hbins; h++)
	{
		for (int s = 0; s < sbins; s++)
		{
			float binVal = hist.at<float>(h, s);
			int intensity = cvRound(binVal * 255 / maxVal);
			rectangle(histImg, Point(h*scale, s*scale), Point((h + 1)*scale - 1, (s + 1)*scale - 1),Scalar::all(intensity), CV_FILLED);
		}
		histo2D = histImg;
	}

}

void histogramRGcalculation(const Mat &src, Mat &histoRG)
{
	//红色使用50个bin，绿色使用60个bin
	int r_bins = 50;
	int g_bins = 60;
	int histSize[] = { r_bins,g_bins };

	//红色变换从0到255，绿色变换从0到255
	float r_ranges[] = { 0,255 };
	float g_ranges[] = { 0,255 };

	const float* ranges[] = { r_ranges,g_ranges };

	//使用第0个通道和第一个通道
	int channels[] = { 0,1 };

	//直方图
	MatND hist_base;

	//为HSV图像计算直方图
	calcHist(&src, 1, channels, Mat(), hist_base, 2, histSize, ranges, true, false);
	normalize(hist_base, hist_base, 0, 1, NORM_MINMAX, -1, Mat());

	histoRG = hist_base;

}

int main()
{
	Mat src, imageq;
	Mat histImg, histImgeq;
	Mat histHSorg, histHSeq;


	//读取原始影像
	src = imread("C:\\Users\\86151\\Pictures\\Camera Roll\\全智贤3.jpg");
	if (!src.data)
	{
		cout << "error!" << endl;
		exit(1);
	}
	//将图像分成3个部分（B、G、R）
	vector<Mat> bgr_planes;
	split(src, bgr_planes);

	//显示结果
	namedWindow("Source image", WINDOW_NORMAL);
	imshow("Source image",src);

	//计算原始图像的直方图
	histogram2Dcalculation(src, histImg);

	//显示每个颜色通道的直方图
	namedWindow("H-S Histogram", WINDOW_NORMAL);
	imshow("H-S Histogram", histImg);

	//均衡化图像
	//对每个图像进行直方图均衡化
	equalizeHist(bgr_planes[0], bgr_planes[0]);
	equalizeHist(bgr_planes[1], bgr_planes[1]);
	equalizeHist(bgr_planes[2], bgr_planes[2]);

	//将这些均衡化的图像通道合并得到其均衡化图像
	merge(bgr_planes, imageq);

	//显示均衡化影像
	namedWindow("Equalized Image", WINDOW_NORMAL);
	imshow("Equalized Image",imageq);

	//计算H通道和S通道的二维直方图
	histogram2Dcalculation(imageq,histImgeq);

	//显示该二维直方图
	namedWindow("H-S Histogram Equalized",WINDOW_NORMAL);
	imshow("H-S Histogram Equalized",histImgeq);

	histogramRGcalculation(src, histHSorg);
	histogramRGcalculation(imageq,histHSeq);


	//应用直方图比较法
	for (int  i = 0; i < 4; i++)
	{
		int compare_method = i;
		double orig_orig = compareHist(histHSorg,histHSorg,compare_method);
		double orig_equ = compareHist(histHSorg, histHSeq, compare_method);
		cout << "Method Original-Original:" << orig_orig << "\n Original-Equalized:" << orig_equ << endl;
	}
	cout << "Done!" << endl;
	waitKey();

	return 0;
}

三、运行结果

说明：
（1）该示例创建了四个窗口：原图像、均衡化的彩色图像、原始图像的H通道和S通道的二维直方图以及均衡化图像的H通道和S通道的二维直方图。
（2）输出由原始的RGB图像直方图与其自身以及均衡化后的RGB图像比较得到的四个数值匹配参数。

End && Enjoy！