灰度直方图

最新推荐文章于 2023-04-16 06:57:26 发布

转载最新推荐文章于 2023-04-16 06:57:26 发布 · 832 阅读

opencv学习_6 (灰度直方图)

灰度直方图

这次我从最基本的直方图讲起，一维直方图，至于二维等高维直方图，仅作为了解，后面有时间另开blog详解。

1：首先我们给出一幅图

其中的数据假设对应一副灰度图片的灰度值，则直方图的作用就是画出在bin范围内取值的个数，如图左边的直方图---相当于我们word中的柱状图。

2：在opencv中直方图的结构为:

typedef struct CvHistogram

{

int type; // 不用管

CvArr* bins;存放直方图在每一维上直方柱的具体数据，由于存在多维直方图。如果是一维直方图，那么bins就是一个一维的矩阵；如果是二维直方图，那么bins就是一个二维的矩阵，等等。

float thresh[CV_MAX_DIM][2]; /* 直方柱的划分是统一划分的，即均等划分的 */

float** thresh2; /*不均等划分，可以自动设定每一个直方柱的取值范围。之所以是二级指针，每一个柱的取值范围用一级指针表示，又存在多个直方柱，所以需要二级指针才能表示。每一个不在指定范围的值，会被忽略掉。*/

CvMatND mat; /* 存放直方图的数据 */

}

3：直方图的创建:

	CvHistogram* cvCreateHist( int dims, int* sizes, int type, float** ranges=NULL, int uniform=1);

	其中:

		dims：表示直方图的维度
		sizes：每一维上直方柱(bin)的数据 ----- 创建多大的矩阵  如一维则size[0] =256
			二维:则size[0]=256，size[1] = 256;;
		type  ---- 创建一个什么样的矩阵
			直方图存储数据的方式: 
			CV_HIST_ARRAY意味着直方图数据表示为多维密集数组CvMatND;
         		CV_HIST_TREE 意味着直方图数据表示为多维稀疏数组CvSparseMat.---- 大于0才开设相应的空间存储它<高维的必选它>
		Ranges:
			直方图在每一维度上的范围。
         		如果是一维则代码为:
                                               Floatrange[] = {0,255};
                                               Float*ranges[]={range};
        		 如果是二维则代码为:
                                               Floatb_range[] = {0,255};
                                               Floatg_range[] ={0,255};
                                               Float*ranges[] = {b_range, g_range};
		uniform
			该值为0时，表示bin的范围是程序员自由设定的。当该值为非零时，表示bin的划分，是均等划分。

4：创建一个直方图后，避免里面存在一些随机值，我们可以将其清除cvClearHist
	代码: cvClearHist(hist);
5：计算图像的直方图  cvCalcHist
         代码:cvCalcHist(&imgBlue, hist, 0, 0);
6：将得到的直方图画出来: 其中用到了函数 cvGetMinMaxHistVaule, cvQueryHistValue_1D, cvFillConvexPoly.
<span style="font-size:18px;">IplImage *DrawHistogram(CvHistogram*hist, float scaleX = 1, float scaleY = 1){  // 画直方图
	float histMax = 0;
	cvGetMinMaxHistValue(hist, 0 , &histMax, 0, 0);  // 取得直方图中的最值
	IplImage *imgHist = cvCreateImage(cvSize(256 * scaleX, 64*scaleY), 8, 1);
	cvZero(imgHist); //// 清空随机值
	for(int i = 0; i < 255; i++)
	{
		float histValue = cvQueryHistValue_1D(hist, i); // 取得直方图中的i值
		float nextValue = cvQueryHistValue_1D(hist, i+1);
		int numPt = 5;
		CvPoint pt[5];
		pt[0] = cvPoint(i*scaleX, 64*scaleY);
		pt[1] = cvPoint((i+1)*scaleX, 64*scaleY);
		pt[2] = cvPoint((i+1)*scaleX, (1 -(nextValue/histMax))* 64 * scaleY);
		pt[3] = cvPoint((i+1)*scaleX, (1 -(histValue/histMax))* 64 * scaleY);
		pt[4] = cvPoint(i*scaleX, 64*scaleY);
		cvFillConvexPoly(imgHist, pt, numPt, cvScalarAll(255));
	}
	return imgHist;

}</span>

总结：以上给出得到直方图的主要步骤：直方图的创建—>计算图像的直方图—>画出直方图。以下给出完整的代码及运行的结果<span style="font-size:18px;">#include <iostream>
#include "cv.h"
#include "highgui.h"
#include "cxcore.h"
using namespace std;

IplImage *DrawHistogram(CvHistogram*hist, float scaleX = 1, float scaleY = 1){  // 画直方图
	float histMax = 0;
	cvGetMinMaxHistValue(hist, 0 , &histMax, 0, 0);  // 取得直方图中的最值
	IplImage *imgHist = cvCreateImage(cvSize(256 * scaleX, 64*scaleY), 8, 1);
	cvZero(imgHist); //// 清空随机值
	for(int i = 0; i < 255; i++)
	{
		float histValue = cvQueryHistValue_1D(hist, i); // 取得直方图中的i值
		float nextValue = cvQueryHistValue_1D(hist, i+1);
		int numPt = 5;
		CvPoint pt[5];
		pt[0] = cvPoint(i*scaleX, 64*scaleY);
		pt[1] = cvPoint((i+1)*scaleX, 64*scaleY);
		pt[2] = cvPoint((i+1)*scaleX, (1 -(nextValue/histMax))* 64 * scaleY);
		pt[3] = cvPoint((i+1)*scaleX, (1 -(histValue/histMax))* 64 * scaleY);
		pt[4] = cvPoint(i*scaleX, 64*scaleY);
		cvFillConvexPoly(imgHist, pt, numPt, cvScalarAll(255));
	}
	return imgHist;


}


int main()
{
	IplImage *img = cvLoadImage("F:\\tongtong.jpg",1);
	if(!img){
		cout << "No data img" << endl;
	}
	int dims = 1;
	int sizes = 256;
	float range[] = {0,255};
	float*ranges[]={range};
	CvHistogram *hist = cvCreateHist(dims, &sizes, CV_HIST_ARRAY, ranges, 1);
	cvClearHist(hist);	        //清除直方图里面的随机值 
	IplImage *imgBlue = cvCreateImage(cvGetSize(img), 8, 1);
	IplImage *imgGreen = cvCreateImage(cvGetSize(img), 8, 1);
	IplImage *imgRed = cvCreateImage(cvGetSize(img), 8, 1);
	cvSplit(img, imgBlue, imgGreen, imgRed, NULL);   //将多通道图像分解

	cvCalcHist(&imgBlue, hist, 0, 0);    // 计算图像的直方图
	IplImage *histBlue = DrawHistogram(hist);   // 将直方图中的数据画出来
	cvClearHist(hist);

	cvCalcHist(&imgGreen, hist, 0, 0);  
	IplImage *histGreen = DrawHistogram(hist);
	cvClearHist(hist);
	cvCalcHist(&imgRed, hist, 0, 0);
	IplImage *histRed = DrawHistogram(hist);
	cvClearHist(hist);

	cvNamedWindow("show",0);
	cvNamedWindow("B", 0);
	cvNamedWindow("G", 0);
	cvNamedWindow("R", 0);
	cvShowImage("show",img);
	cvShowImage("B",histBlue);
	cvShowImage("G",histGreen);
	cvShowImage("R", histRed);
	cvWaitKey(0);
	cvReleaseImage(&img);
	cvDestroyWindow("show");
	cvReleaseImage(&histBlue);
	cvDestroyWindow("B");
	cvReleaseImage(&histGreen);
	cvDestroyWindow("G");
	cvReleaseImage(&histRed);
	cvDestroyWindow("R");
	return 0;
	
}</span>

运行结果：