直方图计算(续)

背景引言

在直方图计算一节中，介绍了相关图像直方图计算。本节进行回顾一下相关知识，同时加深一步了解图像直方图相关步骤，以及实践一维和二维直方图计算。

基本操作

1. 结构体CvHistogram

typedef struct CvHistogram  
    {  
        int     type;  
        CvArr*  bins;  //存放每个灰度级数目的数组指针 实际上是 mat->data的数据
        float   thresh[CV_MAX_DIM][2];  //均匀直方图  中每个bin的边界
        float** thresh2; //非均匀直方图  
        CvMatND mat;  //直方图数组的内部数据结构  
    }  
    CvHistogram;

其中注意：thresh是一个二维数据，里面存储每个bin的上下边界，对于非均匀直方图，存储在thresh2中，直方图的数据主要存储在CvMatND结构中，bins中其实就是指向CvMatND中的data数据指针，对于密集矩阵，可以通过CvMatND mat直接访问直方图数据 。

2.直方图的创建

CVAPI(CvHistogram*)  cvCreateHist( int dims,  //直方图维数
                                   int* sizes, //直翻图维数尺寸
                                   int type, //直方图的表示格式 
                                   float** ranges CV_DEFAULT(NULL), //图中方块范围的数组
                                   int uniform CV_DEFAULT(1)//归一化标识
                                  );

说明：

• sizes必须为整数数组，长度等于dims的大小，每个整数表示对应维数分配的bin个数。例如dims =2， sizes = [255,255],表示2维都是255个bin。
• type指定直方图存储的数据结构，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。
• ranges是有浮点数构成，表明每个维度的统计范围，数组个数和dims相等，也和uniform的值相关。当uniform=1时，表示直方图是均匀的，那么rangs只用给出整个维度统计的上下限，程序会根据这个总范围和维数决定每个bin的统计区间，例如uniform=1，dim =1 ， sizes = 2 , rangs = [0,10],那么直方图中有2个bin的统计区间分别为[0 5] , [5 10] ；

• 当uniform=0时直方图是非均匀的，需要用数组对来表示，如果某维数里面有N个bin，需要N+1个数表示，例如，uniform=0，dim =4 ， sizes = 1 ,

  rangs = [0,2,4,9,10] ,对应的每个bin的统计区级为[0 2] [2 4] [4 9] [9 10] .

3 直方图释放

void cvReleaseHist( CvHistogram** hist );  //函数 cvReleaseHist释放直方图 (头和数据).
                                           //指向直方图的指针被函数所清空。如果 *hist指针
                                           //已经为 NULL, 则函数不做任何事情。

void cvClearHist( CvHistogram* hist );     //函数 cvClearHist 当直方图是稠密数组时将所有
                                           //直方块设置为 0，当直方图是稀疏数组时，除去所
                                           //有的直方块。

4.访问直方图的函数

一种是采用函数访问:

double  cvquerhistValue_nD(CvHistogram* hist,int*idex)

5.计算直方图

void cvCalcHist( IplImage** image, CvHistogram* hist,
                 int accumulate=0, const CvArr* mask=NULL );

直方图计算cvCalcHist( )在在直方图计算一节，详细介绍过，在此略过。

6.直方图中的最大值最小值

void cvGetMinMaxHistValue(const CvHistogram* hist,
                          float* min_value, float* max_value,
                          int* min_idx=NULL, int* max_idx=NULL );

其中函数中参数：

• hist 直方图
  
• min_value 直方图最小值的指针
• max_value 直方图最大值的指针
  
• min_idx 数组中最小坐标的指针
  
• max_idx 数组中最大坐标的指针 函数
  

cvGetMinMaxHistValue 发现最大和最小直方块以及它们的位置。任何输出变量都是可选的。在具有同样值几个极值中，返回具有最小下标索引（以字母排列顺序定）的那一个。

参考代码

 一维直方图实现

#include "stdafx.h"
#include <cv.h>
#include <highgui.h>

int _tmain(int argc, _TCHAR* argv[])
{
	IplImage * src= cvLoadImage("pollen.tif");  
	IplImage* gray_plane = cvCreateImage(cvGetSize(src),8,1);  
	cvCvtColor(src,gray_plane,CV_BGR2GRAY);  

	int hist_size   = 256;    //直方图尺寸 
	int hist_height = 256;  
	float range[] = {0,255};  //灰度级的范围 
	float* ranges[]={range};  //创建一维直方图，统计图像在[0 255]像素的均匀分布 
	CvHistogram* gray_hist;
        gray_hist = cvCreateHist(1,&hist_size,CV_HIST_ARRAY,ranges,1);  //计算灰度图像的一维直方图 

	printf("dim:%d\n",gray_hist->mat.dims);               //访问直方图
	printf("num of bin:%d\n",gray_hist->mat.dim[0].size);
	printf("low of dim:%f\n",gray_hist->thresh[0][0]);
	printf("up  of dim:%f\n",gray_hist->thresh[0][1]);


	cvCalcHist(&gray_plane,gray_hist,0,0);  
	for (UINT i = 0 ; i < gray_hist->mat.dim->size ; i ++){  //访问直方图
		printf("%d_bin:%f--",i+1,cvQueryHistValue_1D(gray_hist,i));
		printf("%d_bin:%f\n",i + 1 ,*(gray_hist->mat.data.fl + i));
	}

	cvNormalizeHist(gray_hist,1.0);  	//归一化直方图 

	int scale = 2; 	//创建一张一维直方图的“图”，横坐标为灰度级，纵坐标为像素个数（*scale） 
	IplImage* hist_image = cvCreateImage(cvSize(hist_size*scale,hist_height),8,3);  
	cvZero(hist_image);  
	
	float max_value = 0;  
	cvGetMinMaxHistValue(gray_hist, 0,&max_value,0,0);  //统计直方图中的最大直方块 

	for(int i=0;i<hist_size;i++){ 
		float bin_val = cvQueryHistValue_1D(gray_hist,i);	     //像素i的概率 
		int intensity = cvRound(bin_val*hist_height/max_value);  //要绘制的高度 
		cvRectangle(hist_image,  cvPoint(i*scale,hist_height-1),  
			cvPoint((i+1)*scale - 1, hist_height - intensity),  CV_RGB(255,255,255));    
	}  

	cvNamedWindow("GraySource", 1 );  
	cvShowImage("GraySource",gray_plane);  
	cvNamedWindow("H-S Histogram", 1 );  
	cvShowImage("H-S Histogram", hist_image );  

	cvWaitKey(0);  
	return 0;
}

测试输出结果：

二维直方图实现

#include "stdafx.h"
#include <cv.h>
#include <highgui.h>

int _tmain(int argc, _TCHAR* argv[])
{
	IplImage * src= cvLoadImage("iris.tif");  
	
	IplImage* r_plane  = cvCreateImage( cvGetSize(src), 8, 1 );  
	IplImage* g_plane  = cvCreateImage( cvGetSize(src), 8, 1 );  
	IplImage* b_plane  = cvCreateImage( cvGetSize(src), 8, 1 );  
	IplImage* planes[] = { r_plane, g_plane };  
	
	cvCvtPixToPlane( src, b_plane, g_plane, r_plane, 0 ); //将HSV图像分离到不同的通道中 
	int r_bins =256, b_bins = 256; // 生成二维直方图数据结构   
	CvHistogram* hist;  
	
	int hist_size[] = { r_bins, b_bins }; 
	float  r_ranges[]  = { 0, 255 }; 
	float  b_ranges[]  = { 0, 255 };   
	float* ranges[]    = { r_ranges,b_ranges };
	hist = cvCreateHist( 2, hist_size, CV_HIST_ARRAY, ranges, 1);
	
	cvCalcHist( planes, hist, 0, 0 );  //计算一张或多张单通道图像image(s) 的直方图
	
	int scale = 2;  //创建一张一维直方图的“图”，横坐标为灰度级，纵坐标为像素个数（*scale） 
	IplImage* hist_image = cvCreateImage(cvSize(r_bins * scale, b_bins * scale),8,3);  
	cvZero(hist_image);  
	
	float max_value = 0;  
	cvNormalizeHist(hist,1.0); 
	cvGetMinMaxHistValue(hist, 0,&max_value,0,0);  
	for( int h = 0; h < r_bins; h++ ){  
		for( int s = 0; s < b_bins; s++ ){  
			float bin_val = cvQueryHistValue_2D( hist, h, s ); //查询直方块的值 
			int intensity = cvRound( bin_val * 255 / max_value );  
			cvRectangle( hist_image, cvPoint( h*scale, s*scale ),
				cvPoint( (h+1)*scale - 1, (s+1)*scale - 1),  
				CV_RGB(intensity,intensity,intensity),CV_FILLED);
		}
	}
	
	cvNamedWindow("Source");
	cvShowImage("Source",src);  
	cvNamedWindow("H-S Histogram", 1 );  
	cvShowImage("H-S Histogram", hist_image);  
	
	cvWaitKey(0); 
	return 0;
}

处理的显示形式不是opencv例子那里的形式，这里采用R分量为X轴，B分量为Y轴，r,b中存储的量为X Y分别为响应值的统量。

测试输出结果：

如有错误，请多多指正。谢谢！

关于Image Engineering & Computer Vision的更多讨论与交流，敬请关注本博客和新浪微博songzi_tea.