关于图像降色彩后，彩色直方图统计与实际像素值不匹配问题

一、先来看一个通过图像遍历进行图像降彩色（Color Reduce）的例子：

遍历图像的最基本方式：at<typename>(i,j)

Mat类提供了一个at的方法用于取得图像上的点，它是一个模板函数，可以取到任何类型的图像上的点。下面我们通过一个图像处理中的实际来说明它的用法。

在实际应用中，我们很多时候需要对图像降色彩，因为256*256*256实在太多了，在图像颜色聚类或彩色直方图时，我们需要用一些代表性的颜色代替丰富的色彩空间，我们的思路是将每个通道的256种颜色用64种代替，即将原来256种颜色划分64个颜色段，每个颜色段取中间的颜色值作为代表色。

void colorReduce(Mat& image, int div)
{
	//split(image, channelsRGB);

	for (int i = 0; i<image.rows; i++)
	{
		for (int j = 0; j<image.cols; j++)
		{
			image.at<Vec3b>(i, j)[0] = image.at<Vec3b>(i, j)[0] / div*div + div / 2;
			image.at<Vec3b>(i, j)[1] = image.at<Vec3b>(i, j)[1] / div*div + div / 2;
			image.at<Vec3b>(i, j)[2] = image.at<Vec3b>(i, j)[2] / div*div + div / 2;
		}
	}
	
}

int main()
{
	Mat image = imread("123.jpg");

	imshow("input",image);

	colorReduce(image, 64);
	waitKey(0);
	imshow("output", image);

	cout << image << endl;

	waitKey(0);

	return 0;
}

可见图像经过降色彩（Color Reduce）后，像素值只有“32，96，160，224”共四个值。

二、下面再看一个图像彩色直方图统计的例子：

HistogramND.hpp

#include<opencv2\opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;

class HistogramND{
private:
	Mat image;//源图像
	int hisSize[1], hisWidth, hisHeight;//直方图的大小,宽度和高度
	float range[2];//直方图取值范围

	const float *ranges;

	//Mat channelsRGB[3];//分离的BGR通道

	vector<Mat> channelsRGB;

	MatND outputRGB[3];//输出直方图分量
public:
	HistogramND(){
		hisSize[0] = 256;
		hisWidth = 400;
		hisHeight = 400;
		range[0] = 0.0;
		range[1] = 255.0;

		ranges = &range[0];
	}

	//导入图片
	bool importImage(String path){
		image = imread(path);
	//bool importImage(Mat path){
		image = imread(path);
	//	path.copyTo(image);
		if (!image.data)
			return false;
		return true;
	}

	//分离通道
	void splitChannels(){
		split(image, channelsRGB);
		//cout << channelsRGB.at(0) << endl;
	}

	//计算直方图
	void getHistogram(){
		//calcHist(&channelsRGB[0], 1, 0, Mat(), outputRGB[0], 1, hisSize, &ranges);
		//calcHist(&channelsRGB[1], 1, 0, Mat(), outputRGB[1], 1, hisSize, &ranges);
		//calcHist(&channelsRGB[2], 1, 0, Mat(), outputRGB[2], 1, hisSize, &ranges);

		calcHist(&channelsRGB.at(0), 1, 0, Mat(), outputRGB[0], 1, hisSize, &ranges);
		calcHist(&channelsRGB.at(1), 1, 0, Mat(), outputRGB[1], 1, hisSize, &ranges);
		calcHist(&channelsRGB.at(2), 1, 0, Mat(), outputRGB[2], 1, hisSize, &ranges);


		//cout << channelsRGB[0] << endl;
		//输出各个bin的值
		for (int i = 0; i < hisSize[0]; ++i){
			cout << i << "   B:" << outputRGB[0].at<float>(i);
			cout << "   G:" << outputRGB[1].at<float>(i);
			cout << "   R:" << outputRGB[2].at<float>(i) << endl;
		}
	}

	//显示直方图
	void displayHisttogram(){
		Mat rgbHist[3];
		for (int i = 0; i < 3; i++)
		{
			rgbHist[i] = Mat(hisWidth, hisHeight, CV_8UC3, Scalar::all(0));
		}
		normalize(outputRGB[0], outputRGB[0], 0, hisWidth - 20, NORM_MINMAX);
		normalize(outputRGB[1], outputRGB[1], 0, hisWidth - 20, NORM_MINMAX);
		normalize(outputRGB[2], outputRGB[2], 0, hisWidth - 20, NORM_MINMAX);
		for (int i = 0; i < hisSize[0]; i++)
		{
			int val = saturate_cast<int>(outputRGB[0].at<float>(i));
			rectangle(rgbHist[0], Point(i * 2 + 10, rgbHist[0].rows), Point((i + 1) * 2 + 10, rgbHist[0].rows - val), Scalar(0, 0, 255), 1, 8);
			val = saturate_cast<int>(outputRGB[1].at<float>(i));
			rectangle(rgbHist[1], Point(i * 2 + 10, rgbHist[1].rows), Point((i + 1) * 2 + 10, rgbHist[1].rows - val), Scalar(0, 255, 0), 1, 8);
			val = saturate_cast<int>(outputRGB[2].at<float>(i));
			rectangle(rgbHist[2], Point(i * 2 + 10, rgbHist[2].rows), Point((i + 1) * 2 + 10, rgbHist[2].rows - val), Scalar(255, 0, 0), 1, 8);
		}

		cv::imshow("R", rgbHist[0]);
		imshow("G", rgbHist[1]);
		imshow("B", rgbHist[2]);
		imshow("image", image);
	}
};


// int main(){
	// string path = "1.jpg";
	// HistogramND hist;
	// if (!hist.importImage(path)){
		// cout << "Import Error!" << endl;
		// return -1;
	// }
	// hist.splitChannels();
	// hist.getHistogram();
	// hist.displayHisttogram();
	// waitKey(0);
	// return 0;
// }

//void run(Mat path){
void run(String path){
	HistogramND hist;
	if (!hist.importImage(path)){
		cout << "Import Error!" << endl;
		//return -1;
	}
	hist.splitChannels();
	hist.getHistogram();

	hist.displayHisttogram();
	waitKey(0);
}

该程序通过split分离BRG三通道，再用calcHist来对三通道直方图进行统计。将此头文件include到刚才的cpp文件中，并对Main函数进行相应修改：

int main()
{
	Mat image = imread("123.jpg");
	imshow("input",image);
	colorReduce(image, 64);

	waitKey(0);

	imshow("output", image);
	imwrite("output.jpg",image);

	run("output.jpg");
	
	waitKey(0);
	return 0;
}

可见BGR三通道像素值并不是如刚才进行图像降色彩（Color Reduce）后所得的结果，在非“32，96，160，224”也不为0。

三、分析问题：

（1）设想1：统计直方图程序错误

将HistogramND.hpp run函数中统计直方图部分和显示直方图

hist.getHistogram();

hist.displayHisttogram();

屏蔽掉之后，再打印B通道像素值发现其 在非“ 32，96，160，224 ”也不为0。

于是怀疑是图像色彩三通道分离split的问题。

（2）设想2：色彩三通道分离split问题

为了对比，直接在cpp文件中main函数中用split做三通道分离，再打印B通道像素值又发现其为“32，96，160，224”这四个值。

于是怀疑是 HistogramND.hpp 文件预处理的问题。

（3）设想3：HistogramND.hpp文件预处理问题

将HistogramND.hpp预处理和定义中多次修改后对比后发现此处不存在问题。

于是怀疑是main函数中存在问题。

（4）设想4：cpp文件中main函数问题

经多次验证后发现，在得到输出Mat image后，在用hpp文件对图像进行处理时，是先在cpp文件中使用imwrite("output.jpg",image)函数后，再在hpp文件中使用用imread函数将图片读取后进行处理。

而图片存储为jpg格式后，会进行压缩，以至于图像经过 imwrite 再 imread 之后像素值发生了一定变化。

于是确定最终的问题为图片存储为jpg格式后的压缩导致像素值变化。

四、解决问题：

（1）将图片保存为bmp格式

当图片存储为bmp格式时，不会被压缩，图像像素值也不会被改变。

int main()
{
	Mat image = imread("123.jpg");
	
	imshow("input",image);
	colorReduce(image, 64);

	waitKey(0);

	imshow("output", image);
	imwrite("output.bmp", image);

	run("output.bmp");
	
	waitKey(0);
	return 0;
}

然后再用hpp文件中的直方图统计方法得到如下结果：

（2）程序中读取图像文件直接修改为读取Mat

	//导入图片
	//bool importImage(String path){
	//	image = imread(path);
	bool importImage(Mat path){
		path.copyTo(image);
		if (!image.data)
			return false;
		return true;
	}

void run(Mat path){
//void run(String path){
	HistogramND hist;
	if (!hist.importImage(path)){
		cout << "Import Error!" << endl;
		//return -1;
	}
	hist.splitChannels();
	hist.getHistogram();

	hist.displayHisttogram();
	waitKey(0);
}

int main()
{
	Mat image = imread("123.jpg");
	imshow("input",image);
	
	colorReduce(image, 64);

	waitKey(0);

	imshow("output", image);
	
	run(image);
	
	waitKey(0);
	return 0;
}