opencv笔记（十一）——灰度直方图

以你之姓@ 2022-05-16 11:24 321阅读 0赞

# 一、灰度直方图 #

c++的原型函数：void 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** )；

参数详解：

** images**：输入的图像的指针，可以是多幅图像，所有的图像必须有同样的深度（CV\_8U or CV\_32F）。同时一副图像可以有多个channes。

**nimages**：输入图像的个数

** channels**：需要统计直方图的第几通道。用来计算直方图的channes的数组。比如输入是2副图像，第一副图像有0，1，2共三个channel，第二幅图像只有0一个channel，那么输入就一共有4个channes，如果int channels\[3\] = \{3, 2, 0\}，那么就表示是使用第二副图像的第一个通道和第一副图像的第2和第0个通道来计算直方图。

**mask**：掩膜，如果mask不为空，那么它必须是一个8位（CV\_8U）的数组，并且它的大小的和arrays\[i\]的大小相同，值为1的点将用来计算掩膜内的直方图  ...Mat()

**hist:**输出的直方图数组

**dims**：需要统计直方图通道的个数

**histSize**：指的是直方图分成多少个区间，就是 bin的个数。在每一维上直方图的个数。简单把直方图看作一个一个的竖条的话，就是每一维上竖条的个数。

**const float\*\* ranges**： 统计像素值得区间。比如：

float rang1\[\] = \{0, 20\};

float rang2\[\] = \{30, 40\};

const float \*rangs\[\] = \{rang1, rang2\};那么就是对0，20和30，40范围的值进行统计。

**uniform=true:**:是否对得到的直方图数组进行归一化处理

**accumulate=false：**在多个图像时，是否累计计算像素值得个数

#include<opencv2\core\core.hpp>
    #include<opencv2\highgui\highgui.hpp>
    #include<opencv2\imgproc\imgproc.hpp>
    #include<iostream>
     
    using namespace std;
    using namespace cv;
     
    //求一幅灰度图像的直方图图像，返回的是直方图图像
    Mat getHistograph(const Mat grayImage);
     
    int main(int argc,char* argv[])
    {
    	//加载图像
    	Mat image;
    	image=imread("lena.bmp",IMREAD_COLOR);
    	//判断是否为空
    	if(image.empty())
    	{
    		cerr<<""<<endl;
    		return -1;
    	}
    	//定义灰度图像，转成灰度图
    	Mat grayImage;
    	cvtColor(image,grayImage,COLOR_BGR2GRAY);
    	//double x=compareHist(hist,hist,/*CV_COMP_CORREL、CV_COMP_INTERSECT*/CV_COMP_BHATTACHARYYA);
    	//直方图图像
    	Mat hist=getHistograph(grayImage);
     
    	imshow("src",image);
    	imshow("hist",hist);
    	waitKey(0);
    	return 0;
    }
    //注释是自己理解，若有错误，欢迎批评指正！
    Mat getHistograph(const Mat grayImage)
    {
    	//定义求直方图的通道数目，从0开始索引
    	int channels[]={0};
    	//定义直方图的在每一维上的大小，例如灰度图直方图的横坐标是图像的灰度值，就一维，bin的个数
    	//如果直方图图像横坐标bin个数为x，纵坐标bin个数为y，则channels[]={1,2}其直方图应该为三维的，Z轴是每个bin上统计的数目
    	const int histSize[]={256};
    	//每一维bin的变化范围
    	float range[]={0,256};
     
    	//所有bin的变化范围，个数跟channels应该跟channels一致
    	const float* ranges[]={range};
     
    	//定义直方图，这里求的是直方图数据
    	Mat hist;
    	//opencv中计算直方图的函数，hist大小为256*1，每行存储的统计的该行对应的灰度值的个数
    	calcHist(&grayImage,1,channels,Mat(),hist,1,histSize,ranges,true,false);//cv中是cvCalcHist
     
    	//找出直方图统计的个数的最大值，用来作为直方图纵坐标的高
    	double maxValue=0;
    	//找矩阵中最大最小值及对应索引的函数
    	minMaxLoc(hist,0,&maxValue,0,0);
    	//最大值取整
    	int rows=cvRound(maxValue);
    	//定义直方图图像，直方图纵坐标的高作为行数，列数为256(灰度值的个数)
    	//因为是直方图的图像，所以以黑白两色为区分，白色为直方图的图像
    	Mat histImage=Mat::zeros(rows,256,CV_8UC1);
     
    	//直方图图像表示
    	for(int i=0;i<256;i++)
    	{
    		//取每个bin的数目
    		int temp=(int)(hist.at<float>(i,0));
    		//如果bin数目为0，则说明图像上没有该灰度值，则整列为黑色
    		//如果图像上有该灰度值，则将该列对应个数的像素设为白色
    		if(temp)
    		{
    			//由于图像坐标是以左上角为原点，所以要进行变换，使直方图图像以左下角为坐标原点
    			histImage.col(i).rowRange(Range(rows-temp,rows))=255; 
    		}
    	}
    	//由于直方图图像列高可能很高，因此进行图像对列要进行对应的缩减，使直方图图像更直观
    	Mat resizeImage;
    	resize(histImage,resizeImage,Size(256,256));
    	return resizeImage;
    }

实验结果：

![Center][]

如果对求的直方图图像不进行resize(列太高了)，结果为：

![Center 1][]

参考：[https://blog.csdn.net/sydnash/article/details/7451039][https_blog.csdn.net_sydnash_article_details_7451039]

[https://blog.csdn.net/Quincuntial/article/details/50158717][https_blog.csdn.net_Quincuntial_article_details_50158717]

Mat格式和cv格式下的区别 [http://lib.csdn.net/article/opencv/28578][http_lib.csdn.net_article_opencv_28578]

[Center]: /images/20220516/bf6bba3404c940bf89d361d3c553728a.png
[Center 1]: /images/20220516/9e26026edc0648828ead64528d86b714.png
[https_blog.csdn.net_sydnash_article_details_7451039]: https://blog.csdn.net/sydnash/article/details/7451039
[https_blog.csdn.net_Quincuntial_article_details_50158717]: https://blog.csdn.net/Quincuntial/article/details/50158717
[http_lib.csdn.net_article_opencv_28578]: http://lib.csdn.net/article/opencv/28578