【个人笔记】OpenCV4 C++ 快速入门 24课

个人资料，仅供学习使用
修改时间——2022年2月13日 20:40:47
学习课程：OpenCV4 C++ 快速入门视频30讲
视频老师：贾志刚

24 图像直方图

opencv知识点：

• 计算直方图数据 - calcHist
• 四舍五入浮点数 - cvRound

本课所解决的问题：

• 什么是图像直方图？
• 如何绘制彩色图像的一维直方图？

1.图像直方图

图像有很多基础概念，在我们学习的过程中因为一些原因无法涉及，但这并不代表它们不重要

今天，我们就来介绍一个概念——图像直方图

图像直方图，是图像处理中很重要的一个基础概念，
有很多的算法，比如传统的特征工程，跟它都有千丝万缕的关系

图像直方图是图像像素值的统计学特征。
由于其计算代价较小，且具有图像平移、旋转、缩放不变性等众多优点，广泛地应用于图像处理的各个领域，特别是灰度图像的阈值分割、基于颜色的图像检索以及图像分类、反响投影跟踪。

图像直方图常见的分为：

• 灰度直方图
• 颜色直方图

示例如下

图像直方图（Image Histogram）是用以表示数字图像中亮度分布的直方图，标绘了图像中每个亮度值的像素数。这种直方图中

• 横坐标的左侧为纯黑、较暗的区域，
• 右侧为较亮、纯白的区域。

因此一张较暗图片的直方图中的数据多集中于左侧和中间部分，而整体明亮、只有少量阴影的图像则相反。
CV 领域常借助图像直方图来实现图像的二值化。

图像直方图中，也有直方图的两个概念

• bin——bin是的X轴上每一组的长度，比如组长为1，就是bin中包含1个像素值。
  bin由bins和取值范围决定
• bins——binsX轴上的组数，对于像素值取值在0~255之间，如果bins = 256，则bin = 1
  此外对于该取值范围来说，bins还可以有16、32、48、128等。
  但一定要满足，256除以bin的大小应该是整数

简单来说，图像直方图就是对图像像素数据进行统计的一种方法
一幅灰度图像：图像直方图将0-255不同值分布在坐标系的X轴上，对应像素值的数量分布在Y轴上。
当bins=256时，此时(100,50)，就表示值是100的像素有50个。

图像直方图可以唯一标识一张图像吗？

通常直方图的维数要低于原始数据，所以它的信息有缺，图像直方图并不能唯一表示一张图像。

那什么可以作为图像的"DNA"，唯一标识一张图像呢？

特征工程就可以，这种真正的特征描述值会把图像变成一堆向量。
有很多种的法可以做特征工程，比如传统图像处理的特征提取

本文涉及图像直方图的知识只是冰山一角，进阶知识的学习如下

• 对图像直方图的理解
• OpenCV图像直方图
• 图像直方图

2.绘制彩色图像的一维直方图

在opencv中，如果我们想绘制彩色图像的一维直方图，要用到两个API

• calcHist
• cvRound

介绍如下
calcHist

calcHist
	计算一维数组的直方图（输入图像可以有多通道）
		共10个参数
			第1个参数 图像数组
			第2个参数 输入图像数量
			第3个参数 通道数组
			第4个参数 可选mask
			
			第5个参数 输出直方图数据（值与对应频次）的n维数组
			第6个参数 直方图维数

					当通道为1个时，我们选择维度为1维，此时直方图数据就为一维数组
					当维度为2个时，我们选择维度为2维，此时直方图数据就为二维数组
					………………
					也就是说，n张图像 每张图像m个通道 也可以计算出相应的直方图数据
					
					但对于绘制来说，一般都只绘制到2维，3维及以上就很复杂了

			第7个参数 histSize（ bins数组，x轴长度）
			第8个参数 ranges（取值范围数组）
			
			//以下参数暂时用不到
			第9个参数 指示直方图bin间隔是否一致
						默认为true，即等间隔取值
						如果为false，则range不能写{
   0,255}这种，就要写{
   1,1,……,1}这种
								
			第10个参数 累计标志（默认为false）
				    	当多张图像的时候，
				    		如果为true，则绘制直每张方图的时候，不会从头清空
				    		会在前者直方图的基础上继续

按照文档来说，我们可以计算多个图像，每个图像有多个通道的直方图数据
但这就涉及到了二维及二维以上直方图数据数组的计算，下一课中会介绍二维直方图

cvRound

cvRound
	将浮点数四舍五入到最近的整数
		共1个参数
			第1个参数 要处理的浮点数

本课中计算的直方图维数为1维，采取方式为

• 先把bgr三通道分离
• 然后进行每个通道的直方图数据计算，得到一维数组
• 再然后对直方图一维数组进行归一化处理
• 最后利用直方图一维数组绘制直方图

为什么这里要归一化呢？

因为一张图中，有些值的频次会过大，不方便绘制直方图

为什么还要要利用得到的数据数组绘制，而不是直接显示它？

因为计算的到直方图数据数组，是一个大小为256的一维数组，它的每个值对应一个频次
当我们用cout输出直方图数据，会得到256 * 1的列矩阵
直接显示这个数组的话就是如下。

从下图可以看出，这还远远不够，我还们还要进一步的去绘制直方图

3.绘制直方图演示

//函数定义
void showHistogram_demo(Mat& image);

//函数实现
void QuickDemo::showHistogram_demo(Mat& image) {
   

	//三通道分离
	std::vector<Mat> bgr;
	split(image, bgr)