Opencv（十六）绘制图像直方图

图像直方图是图像处理中非常重要的像素统计结果，图像直方图不再表征任何的图像纹理信息，而是对图像像素的统计。由于同一物体无论是旋转还是平移在图像中都具有相同的灰度值，因此直方图具有平移不变性、放缩不变性等优点，因此可以用来查看图像整体的变化形式。

图像直方图简单来说就是统计图像中每个灰度值的个数，之后将图像灰度值作为横轴，以灰度值个数或者灰度值所占比率作为纵轴绘制的统计图。通过直方图可以看出图像中哪些灰度值数目较多，哪些较少。

1、图像直方图的统计函数calcHist()

void cv::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 
                        )

images：待统计直方图的图像数组，数组中所有的图像应具有相同的尺寸和数据类型，并且数据类型只能是CV_8U、CV_16U和CV_32F三种中的一种，但是不同图像的通道数可以不同

nimages：输入的图像数量

channels：需要统计的通道索引数组，第一个图像的通道索引从0到images[0].channels()-1，第二个图像通道索引从images[0].channels()到images[0].channels()+ images[1].channels()-1，以此类推

mask：可选的操作掩码，如果是空矩阵则表示图像中所有位置的像素都计入直方图中，如果矩阵不为空，则必须与输入图像尺寸相同且数据类型为CV_8U

hist：输出的统计直方图结果，是一个dims维度的数组

dims：需要计算直方图的维度，必须是整数，并且不能大于CV_MAX_DIMS，在OpenCV 4.0和OpenCV 4.1版本中为32

histSize：存放每个维度直方图的数组的尺寸

ranges：每个图像通道中灰度值的取值范围

uniform：直方图是否均匀的标志符，默认状态下为均匀（true）

accumulate：是否累积统计直方图的标志，如果累积（true），则统计新图像的直方图时之前图像的统计结果不会被清除，该同能主要用于统计多个图像整体的直方图

2、代码

  #include <opencv2\opencv.hpp>
  #include <iostream>
  
  using namespace cv;
  using namespace std;
  
  int main()
 {
    Mat img = imread("apple.jpg");
    if (img.empty())
    {
      cout << "请确认图像文件名称是否正确" << endl;
      return -1;
    }
    Mat gray;
    cvtColor(img, gray, COLOR_BGR2GRAY);
    //设置提取直方图的相关变量
    Mat hist; //用于存放直方图计算结果
    const int channels[1] = { 0 }; //通道索引
    float inRanges[2] = { 0,255 };
    const float* ranges[1] = { inRanges }; //像素灰度值范围
    const int bins[1] = { 256 }; //直方图的维度，其实就是像素灰度值的最大值
    calcHist(&img, 1, channels, Mat(), hist, 1, bins, ranges); //计算图像直方图
    //准备绘制直方图
    int hist_w = 512;
    int hist_h = 400;
    int width = 2;
    Mat histImage = Mat::zeros(hist_h, hist_w, CV_8UC3);
    for (int i = 1; i <= hist.rows; i++)
    {
    rectangle(histImage, Point(width*(i - 1), hist_h - 1),
        Point(width*i - 1, hist_h - cvRound(hist.at<float>(i - 1) / 20)),
        Scalar(255, 255, 255), -1);
    }
    namedWindow("histImage", WINDOW_AUTOSIZE);
    imshow("histImage", histImage);
    imshow("gray", gray);
    waitKey(0);
    return 0;
  }