【opencv练习28 - 直方图计算】

/*******************************************************
    测试程序 【直方图计算】
    时间:2016年8月31日
    函数:equalizeHist
    //【计算直方图】 Compute the histograms:
    //参数:src,源数组个数,每个通道(1 dim = 0),Mat(), 
           每个bin尺寸归一化,直方图初始化清零
    calcHist( &bgr_planes[0], 1, 0, Mat(), b_hist, 1, &histSize, &histRange, uniform, accumulate );

    //【归一化输出结果】 
    //参数:src,dst,0,histImage.rows(归一化上下限),?,?
    normalize(b_hist, b_hist, 0, 
    histImage.rows, NORM_MINMAX, -1, Mat() );
********************************************************/
int main(void)
{
    Mat src, dst;
    src = imread("YY01.jpg", 1 );

    //【BRG——通道分离】 
    vector<Mat> bgr_planes;
    split( src, bgr_planes );

    int histSize = 256;                     
    //【256条】
    float range[] = { 0, 256 } ;
    //【设置范围(一维数组0,256)】
    const float* histRange = { range };      
    //【常量指针 float*(范围指针)】

    bool uniform = true; 
    bool accumulate = false;

    Mat b_hist, g_hist, r_hist;             //灰度矩阵*3

    //【计算直方图】 
    calcHist( &bgr_planes[0], 1, 0, Mat(), b_hist, 1, &histSize, &histRange, uniform, accumulate );
    calcHist( &bgr_planes[1], 1, 0, Mat(), g_hist, 1, &histSize, &histRange, uniform, accumulate );
    calcHist( &bgr_planes[2], 1, 0, Mat(), r_hist, 1, &histSize, &histRange, uniform, accumulate );

    //【绘制直方图BGR】 
    int hist_w = 512;       //宽
    int hist_h = 400;       //高
    int bin_w = cvRound( (double) hist_w/histSize );    //bin宽度

    Mat histImage( hist_h, hist_w, CV_8UC3, Scalar( 0,0,0) );       //初始化Mat histImage(x,y,CV_8UC3, ~ )

    //【归一化输出结果】 
    //参数:src,dst,0,histImage.rows(归一化上下限),?,?
    normalize(b_hist, b_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat() );
    normalize(g_hist, g_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat() );
    normalize(r_hist, r_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat() );

    //【绘制每一个通道】 Draw for each channel
    for( int i = 1; i < histSize; i++ )
    {
        line( histImage, Point( bin_w*(i-1), hist_h - cvRound(b_hist.at<float>(i-1)) ) ,
                        Point( bin_w*(i), hist_h - cvRound(b_hist.at<float>(i)) ),
                        Scalar( 255, 0, 0), 2, 8, 0  );
        line( histImage, Point( bin_w*(i-1), hist_h - cvRound(g_hist.at<float>(i-1)) ) ,
                        Point( bin_w*(i), hist_h - cvRound(g_hist.at<float>(i)) ),
                        Scalar( 0, 255, 0), 2, 8, 0  );
        line( histImage, Point( bin_w*(i-1), hist_h - cvRound(r_hist.at<float>(i-1)) ) ,
                        Point( bin_w*(i), hist_h - cvRound(r_hist.at<float>(i)) ),
                        Scalar( 0, 0, 255), 2, 8, 0  );
    }

    imshow("YY01", src );
    imshow("calcHist Demo", histImage );

    waitKey(0);
    return 0;
}

这里写图片描述

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值