Opencv2系列学习笔记4(灰度直方图)

拼搏现实的明天。 2022-09-18 11:57 211阅读 0赞

和之前的一篇blog【[http://blog.csdn.net/lu597203933/article/details/14104505][http_blog.csdn.net_lu597203933_article_details_14104505]】一样，这篇是opencv2的Mat格式。

一：一维直方图

Code：

int main()
    {
    	Mat image = imread("F:\\huangrong.jpg", 0);
    	if(!image.data)
    	{
    		cout << "fail to load image" << endl;
    		return 0;
    	}
    	MatND hist;       // 在cv中用CvHistogram *hist = cvCreateHist
    	int dims = 1;
    	float hranges[] = {0, 255};
    	const float *ranges[] = {hranges};   // 这里需要为const类型
    	int size = 256;
    	int channels = 0;
    	// 计算图像的直方图
    	calcHist(&image, 1, &channels, Mat(), hist, dims, &size, ranges);    // cv 中是cvCalcHist
    	int scale = 1;
    	Mat imageShow(size * scale, size, CV_8U, Scalar(0));
    	// 获取最大值和最小值
    	double minVal = 0;
    	double maxVal = 0;
    	minMaxLoc(hist,&minVal, &maxVal, 0, 0);  //  cv中用的是cvGetMinMaxHistValue
    	//显示直方图的图像
    	int hpt = saturate_cast<int>(0.9 * size);
    	
    	for(int i = 0; i < 256; i++)
    	{
    		float value = hist.at<float>(i);           //   注意hist中是float类型    cv中用cvQueryHistValue_1D
    		int realValue = saturate_cast<int>(value * hpt/maxVal);
    		//line(imageShow, Point(i, size - 1), Point(i, size - realValue), Scalar(0));
    		rectangle(imageShow,Point(i*scale, size - 1), Point((i+1)*scale - 1, size - realValue), Scalar(255));
    	}
    	namedWindow("showImage");
    	imshow("showImage", imageShow);
    	waitKey(0);
    	return 0;
    }

Explaination：

<1>代码中有注释将mat格式与cv格式进行了比对，大家注意

<2> float value = hist.at<float>(i);

要注意直方图数据为浮点类型

<3>画出直方图其实有多种方式，可以使用line或rectangle都可以

Result：

![SouthEast][]

二：二维直方图

Code：

int main()
    {
    	Mat image = imread("F:\\baboon.jpg", 1);
    	if(!image.data)
    	{
    		cout << "fail to load image" << endl;
    		return 0;
    	}
    	MatND hist;       // 在cv中用CvHistogram *hist = cvCreateHist
    	int dims = 2;
    	float r_hranges[] = {0, 255};
    	float g_hranges[] = {0, 255};
    	const float *ranges[] = {r_hranges, g_hranges};   // 这里需要为const类型
    	int size[2] = {256, 256};
    	int channels[] ={0,1};   //代表 r g通道 2代表b通道
    	// 计算图像的直方图
    	calcHist(&image, 1, channels, Mat(), hist, dims, size, ranges);    // cv 中是cvCalcHist
    	int scale = 1;
    	Mat imageShow(size[0] * scale, size[1]*scale, CV_8UC3, Scalar(255));
    	// 获取最大值和最小值
    	double minVal = 0;
    	double maxVal = 0;
    	minMaxLoc(hist,&minVal, &maxVal, 0, 0);  //  cv中用的是cvGetMinMaxHistValue
    	//显示直方图的图像
    	//int hpt = saturate_cast<int>(0.9 * size[]);
    	
    	for(int i = 0; i < 256; i++)
    	{
    		for(int j = 0; j < 256; j++)
    		{
    		float value = hist.at<float>(i,j);           //   注意直方图的值是float类型    cv中用cvQueryHistValue_1D
    		int realValue = saturate_cast<int>(value * size[0]/maxVal);
    		//line(imageShow, Point(i, size - 1), Point(i, size - realValue), Scalar(0));
    		rectangle(imageShow,Point(i*scale, j*scale), Point( ((i+1)*scale - 1), (j+1)*scale - 1), Scalar(realValue,realValue, realValue));
    		}
    	}
    	namedWindow("baboon");
    	namedWindow("showImage");
    	imshow("showImage", imageShow);
    	imshow("baboon", image);
    	waitKey(0);
    	return 0;
    
    }

Explaination：

需要注意的是取二维的通道数是通过变量channels来取得的，不需要将图片再进行split

Result：

![SouthEast 1][]

另外推荐小魏的blog，关于直方图的描述写的也非常好：

链接：[http://blog.csdn.net/xiaowei\_cqu/article/details/8833799][http_blog.csdn.net_xiaowei_cqu_article_details_8833799]【Mat格式】

[http://blog.csdn.net/xiaowei\_cqu/article/details/7600666][http_blog.csdn.net_xiaowei_cqu_article_details_7600666]【cv】

作者：小村长 出处：[http://blog.csdn.net/lu597203933][http_blog.csdn.net_lu597203933] 欢迎转载或分享，但请务必声明文章出处。 （新浪微博：小村长zack, 欢迎交流！）

[http_blog.csdn.net_lu597203933_article_details_14104505]: http://blog.csdn.net/lu597203933/article/details/14104505
[SouthEast]: /images/20220828/ec5ffde5c18a49f6983a10a66f143f30.png
[SouthEast 1]: /images/20220828/b66f0c7f1b4c463abb9c8d6cfec56c3b.png
[http_blog.csdn.net_xiaowei_cqu_article_details_8833799]: http://blog.csdn.net/xiaowei_cqu/article/details/8833799
[http_blog.csdn.net_xiaowei_cqu_article_details_7600666]: http://blog.csdn.net/xiaowei_cqu/article/details/7600666
[http_blog.csdn.net_lu597203933]: http://blog.csdn.net/lu597203933