opencv 直方图_OpenCV学习笔记（十一）之直方图计算并画图显示

   点上方蓝字计算机视觉与深度学习获取更多干货

             在右上方 ··· 设为星标 ★，与你不见不散

一. 直方图

        对于图像梯度，每个像素的角度，等图像的属性都可以建立直方图。

二. 直方图的常见属性：

        dims-表示维度

        bins-表示维度中子区域大小划分,bins=256,表示划分为256个级别

        range-表示值的范围，灰度值范围为[0,255]

三. API介绍

1. cv::split ()把多通道图像分为多个单通道图像

split(          const Mat & src,      //输入图像    Mat* mvbegin        //输出的通道图像数组)

2. cv::calcHist()生成直方图数据

calcHist(    const Mat* images,    //输入图像指针    int nimages,          //图像数目    const int* channels,    //通道数    InputArray mask,      //掩膜    OutputArray hist,      //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,            bool accumulate)

四. 代码实现：

/*****直方图计算*****/#include#includeusing namespace std;int main(){    cv::Mat src, dst;    src = cv::imread("1.jpg");    cv::namedWindow("in", cv::WINDOW_NORMAL);    cv::imshow("in", src);        //将多通道图像分为单通道图像    //单通道图像vector    vector<:mat>  bgr_planes;    cv::split(src, bgr_planes);     //直方图参数    int histSize = 256;    float range[] = { 0, 256 };    const float* histRanges = { range };    cv::Mat b_hist, g_hist, r_hist;    //求出直方图的数据    cv::calcHist( &bgr_planes[0], 1, 0, cv::Mat(), b_hist, 1, &histSize,&histRanges, true, false);    cv::calcHist(&bgr_planes[1], 1, 0, cv::Mat(), g_hist, 1, &histSize,&histRanges, true, false);    cv::calcHist(&bgr_planes[2], 1, 0, cv::Mat(), r_hist, 1, &histSize,&histRanges, true, false);     //画出直方图    int hist_h = 400;    int hist_w = 512;    int bin_w = hist_w / histSize;    //直方图的步数    cv::Mat hist_image(hist_w, hist_h, CV_8UC3, cv::Scalar(0, 0, 0));    //将数据归一化到直方图的图像尺寸中来    cv::normalize(b_hist, b_hist, 0, hist_h, cv::NORM_MINMAX, -1, cv::Mat());    cv::normalize(g_hist, g_hist, 0, hist_h, cv::NORM_MINMAX, -1, cv::Mat());    cv::normalize(r_hist, r_hist, 0, hist_h, cv::NORM_MINMAX, -1, cv::Mat());      //0-255 的像素值，画出每个像素值的连线    //注意：图像中的坐标是以左上角为原点向右下方延伸    for (int i = 1; i     {        cv::line(hist_image, cv::Point((i - 1) * bin_w, hist_h - cvRound(b_hist.at(i - 1))),        cv::Point(i * bin_w, hist_h - cvRound(b_hist.at(i))), cv::Scalar(0, 0, 255), 2, cv::LINE_AA);        cv::line(hist_image, cv::Point((i - 1) * bin_w, hist_h - cvRound(g_hist.at(i - 1))),        cv::Point(i * bin_w, hist_h - cvRound(g_hist.at(i))), cv::Scalar(0, 255, 0),2, cv::LINE_AA);        cv::line(hist_image, cv::Point((i - 1) * bin_w, hist_h - cvRound(r_hist.at(i - 1))),        cv::Point(i * bin_w, hist_h - cvRound(r_hist.at(i))), cv::Scalar(255, 0, 0), 2, cv::LINE_AA);    }    cv::namedWindow("ou", cv::WINDOW_NORMAL);    cv::imshow("ou", hist_image);    cv::waitKey(0);    return 0;}

关注公众号【计算机视觉与深度学习】，获取海量计算机视觉与深度学习资源，实战项目源码，最新论文下载，大厂面试经验！！！