OpenCV2编程手册笔记之 4.2计算图像的直方图

在一个单通道的灰度图像中，每个像素的值都介于0（黑色）——255（白色）之间

根据这点，灰度图像的直方图拥有256个条目，这些条目也称之为容器。

现在，我们以灰度形式读取一张图片，并且定义一个直方图处理类来方便的处理直方图操作。

在这个类中，我们先声明变量并编写构造函数：

private:
    int histSize[1];
    float hranges[2];
    const float * ranges[1];
    int channels[1];
public:
    Histogram1D()
    {
        histSize[0] = 256;
        hranges[0] = 0.0;
        hranges[1] = 255.0;
        ranges[0] = hranges;
        channels[0] = 0;
    }

这是一个单通道图像的变量初设值

之后，我们定义一个直方图获取方法：

其中最主要的函数就是calcHist

calcHist( const Mat* images, int nimages,
                          const int* channels, InputArray mask,
                          OutputArray hist, int dims, const int* histSize,
                          const float** ranges, bool uniform = true, bool accumulate = false );

images是待处理的图像

nimages是图像的数量，输入1就是一张图片

channels是指针类型，因此在变量声明中使用数组进行声明，代表着图像的通道数，例如灰度图就是单通道

mask是掩码，这里可以默认为cv::Mat

hist是返回的直方图，推荐采用MatND进行定义

dims是维数，一维直方图就输入1就好

histSize是项的数量，也就是容器的数量。但注意它是指针类型，因此变量声明也采用了数组形式。这里有256个容器，因此构造时为256

ranges是像素范围，注意这是一个二维数组。在这个图像中，像素范围是0-255

这里要注意，ranges是float型的，如果使用.at操作获取数值，<>中应为float，后面代码中会看到

其他两个量被opencv初始化，不需要管了

这样，我们只需要初始化对象并调用方法，就可以获取直方图了。

源代码：

class Histogram1D
{
private:
    int histSize[1];
    float hranges[2];
    const float * ranges[1];
    int channels[1];
public:
    Histogram1D()
    {
        histSize[0] = 256;
        hranges[0] = 0.0;
        hranges[1] = 255.0;
        ranges[0] = hranges;
        channels[0] = 0;
    }
    cv::MatND getHistogram(const cv::Mat &image);
};

cv::MatND Histogram1D::getHistogram(const cv::Mat &image)
{
    cv::MatND hist;
    cv::calcHist(&image, 1, channels, cv::Mat(), hist, 1, histSize, ranges);
    return hist;
}

int main()
{
    cv::Mat image = cv::imread("F:\\group.jpg", 0);
    Histogram1D h;
    cv::MatND histo = h.getHistogram(image);
    for (int i = 0; i < 256; i++)
    {
        std::cout << histo.at<float>(i) << std::endl;
    }
    cv::waitKey(0);
    return 0;
}

for这里可以遍历得到数据，注意那个float

--------------------------------------------这时一条华丽的分割线------------------------------------------------------

如果上面看懂了，那么就可以来看看下面

大家可能会了获取直方图，但是用柱状图的方式表示出来，就会显得更加直观

在这个类中，我们首先获取传入图像的直方图数据，并且获得最大值和最小值，这里采取minMaxLoc函数

之后，生成一个空白的长宽都为256的底板图像histImg

由于每个直方图都必然有一个最高点，而这个最高点如果触顶了显得不那么美观。所以，我们设置一个直方图最高点（hpt）来避免这种事情。

之后，就是逐点画出直线了，我们采取比例的办法。例如：

某一个“容器”，例如128这个灰度值，它容纳了1000个点。上文已经知道，最大值是maxVal，那么我们的线的相对长度就是：

hist.at<float>(128) * hpt / maxVal ->128为例计算相对长度

现在，就都做好了。

源代码：

Histogram1D类中的getHistogramImage处理方法：

cv::Mat Histogram1D::getHistogramImage(const cv::Mat &image)
{
    cv::MatND hist = getHistogram(image);
    double maxVal;
    double minVal;
    cv::minMaxLoc(hist, &minVal, &maxVal, 0, 0);
    cv::Mat histImg(histSize[0], histSize[0], CV_8U, cv::Scalar(255));
    int hpt = static_cast<int>(0.9 * histSize[0]);
    for (int h = 0; h < histSize[0]; h++)
    {
        float binVal = hist.at<float>(h);
        int intensity = static_cast<int>(binVal * hpt / maxVal);
        cv::line(histImg, cv::Point(h, histSize[0]), cv::Point(h, histSize[0] - intensity), cv::Scalar::all(0));
    }
    return histImg;
}

这个类中，我想说的是那个减号

用减号的原因大家可以想想，图像的坐标系和坐标变换，在这里就不再叙述了

主函数：

int main()
{
    cv::Mat image = cv::imread("F:\\group.jpg", 0);
    Histogram1D h;
    cv::MatND histo = h.getHistogram(image);
    for (int i = 0; i < 256; i++)
    {
        std::cout << histo.at<float>(i) << std::endl;
    }
    cv::imshow("Histogram", h.getHistogramImage(image));
    cv::waitKey(0);
    return 0;
}