opencv学习_6 (灰度直方图)

悠悠 2022-09-18 02:00 206阅读 0赞

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

![SouthEast][]

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. 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;
    
    } 
    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 #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;
    	
    } 
    运行结果： 
     
     /*这部分是后面添加的，没有另开blog进行讲解了，其实道理一样的*/ 下面简单介绍二维的情况：要统计一个二维直方图，二维坐标+统计值，这就是三维的结构，就会变成一个3D图像，其实不然。我们的处理技巧是将二维坐标分别作为x和y轴，而统计值作为颜色值。如代码cvRectangle(imgHist, cvPoint(i*scaleX, j*scaleY), cvPoint((i+1)*scaleX- 1, (j+1)*scaleY - 1), CV_RGB(intensity,intensity,intensity), CV_FILLED); i和j分别代表坐标，intensity即为统计值。 Code： IplImage *DrawHistogram2(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, 256*scaleY), 8, 3);
    	cvZero(imgHist);  清空随机值
    	for(int i = 0; i < 255; i++)
    	{
    		for(int j = 0; j < 255; j++)
    		{
    			float histValue = cvQueryHistValue_2D(hist, i, j); // 取得直方图中的i值
    			int intensity = cvRound(histValue * 255 /histMax);
    			float nextValue = cvQueryHistValue_1D(hist, i+1);
    			int numPt = 5;
    			CvPoint pt[5];
    			pt[0] = cvPoint(i*scaleX, j*scaleY);
    			pt[1] = cvPoint(i*scaleX, (j+1)*scaleY - 1);
    			pt[2] = cvPoint((i+1)*scaleX - 1, (j+1)*scaleY - 1);
    			pt[3] = cvPoint((i+1)*scaleX - 1, j*scaleY);
    			pt[4] = cvPoint(i*scaleX, j*scaleY);
    			cvFillConvexPoly(imgHist, pt, numPt, cvScalarAll(intensity));
    			//cvRectangle(imgHist, cvPoint(i*scaleX, j*scaleY), cvPoint((i+1)*scaleX - 1, (j+1)*scaleY - 1), CV_RGB(intensity,intensity,intensity), CV_FILLED);
    			// (i+1)*scaleX - 1代表下一个坐标点(i+1)*scaleX的最后一点
    		}
    	}
    	return imgHist;
    }
    
    int main()
    {
    	IplImage *img = cvLoadImage("F:\\baboon.jpg",1);
    	if(!img){
    		cout << "No data img" << endl;
    	}
    	int dims = 2;
    	int sizes[2] = {256, 256};  // 创建多大的矩阵
    	float b_range[] = {0,255};    // 矩阵的取值范围
    	float g_range[] = {0, 255};
    	float*ranges[]={b_range, g_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);
    	IplImage *planes[] = {imgBlue, imgGreen};  // 二维是这样处理的********
    	cvSplit(img, imgBlue, imgGreen, imgRed, NULL);   //将多通道图像分解
    	
    	cvCalcHist(planes,hist, 0, 0);
    	IplImage *bg_image =  DrawHistogram2(hist);
    	cvNamedWindow("show",0);
    	cvShowImage("show",img);
    	cvNamedWindow("bg_image");
    	cvShowImage("bg_image",bg_image);
    	cvWaitKey(0);
    	cvReleaseImage(&img);
    	cvReleaseImage(&bg_image);
    	cvDestroyWindow("show");
    	cvDestroyWindow("bg_image");
    	return 0;
    	
    } Result： 
     
    
    作者：小村长  出处：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！）

[SouthEast]: /images/20220828/4ef749ecf1e742e48019a6c8681a5fe9.png