直方图计算
来源:互联网 发布:淘宝店铺多久才能有钻 编辑:程序博客网 时间:2024/05/22 06:42
网址:http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/histograms/histogram_calculation/histogram_calculation.html
目标¶
本文档尝试解答如下问题:
- 如何使用OpenCV函数 split 将图像分割成单通道数组。
- 如何使用OpenCV函数 calcHist 计算图像阵列的直方图。
- 如何使用OpenCV函数 normalize 归一化数组。
Note
在上一篇中 (直方图均衡化) 我们介绍了一种特殊直方图叫做图像直方图 。现在我们从更加广义的角度来考虑直方图的概念,继续往下读!
什么是直方图?¶
直方图是对数据的集合 统计 ,并将统计结果分布于一系列预定义的 bins 中。
这里的 数据 不仅仅指的是灰度值 (如上一篇您所看到的), 统计数据可能是任何能有效描述图像的特征。
先看一个例子吧。 假设有一个矩阵包含一张图像的信息 (灰度值 ):
如果我们按照某种方式去 统计 这些数字,会发生什么情况呢? 既然已知数字的 范围 包含 256 个值, 我们可以将这个范围分割成子区域(称作bins), 如:
然后再统计掉入每一个 的像素数目。采用这一方法来统计上面的数字矩阵,我们可以得到下图( x轴表示 bin, y轴表示各个bin中的像素个数)。
以上只是一个说明直方图如何工作以及它的用处的简单示例。直方图可以统计的不仅仅是颜色灰度, 它可以统计任何图像特征 (如 梯度, 方向等等)。
让我们再来搞清楚直方图的一些具体细节:
- dims: 需要统计的特征的数目, 在上例中, dims = 1 因为我们仅仅统计了灰度值(灰度图像)。
- bins: 每个特征空间 子区段 的数目,在上例中, bins = 16
- range: 每个特征空间的取值范围,在上例中, range = [0,255]
怎样去统计两个特征呢? 在这种情况下, 直方图就是3维的了,x轴和y轴分别代表一个特征, z轴是掉入 组合中的样本数目。 同样的方法适用于更高维的情形 (当然会变得很复杂)。
OpenCV的直方图计算¶
OpenCV提供了一个简单的计算数组集(通常是图像或分割后的通道)的直方图函数 calcHist 。 支持高达 32 维的直方图。下面的代码演示了如何使用该函数计算直方图!
源码¶
本程序做什么?
- 装载一张图像
- 使用函数 split 将载入的图像分割成 R, G, B 单通道图像
- 调用函数 calcHist 计算各单通道图像的直方图
- 在一个窗口叠加显示3张直方图
下载代码: 点击 这里
代码一瞥:
#include "opencv2/highgui/highgui.hpp"#include "opencv2/imgproc/imgproc.hpp"#include <iostream>#include <stdio.h>using namespace std;using namespace cv;/** @函数 main */int main( int argc, char** argv ){ Mat src, dst; /// 装载图像 src = imread( argv[1], 1 ); if( !src.data ) { return -1; } /// 分割成3个单通道图像 ( R, G 和 B ) vector<Mat> rgb_planes; split( src, rgb_planes ); /// 设定bin数目 int histSize = 255; /// 设定取值范围 ( R,G,B) ) float range[] = { 0, 255 } ; const float* histRange = { range }; bool uniform = true; bool accumulate = false; Mat r_hist, g_hist, b_hist; /// 计算直方图: calcHist( &rgb_planes[0], 1, 0, Mat(), r_hist, 1, &histSize, &histRange, uniform, accumulate ); calcHist( &rgb_planes[1], 1, 0, Mat(), g_hist, 1, &histSize, &histRange, uniform, accumulate ); calcHist( &rgb_planes[2], 1, 0, Mat(), b_hist, 1, &histSize, &histRange, uniform, accumulate ); // 创建直方图画布 int hist_w = 400; int hist_h = 400; int bin_w = cvRound( (double) hist_w/histSize ); Mat histImage( hist_w, hist_h, CV_8UC3, Scalar( 0,0,0) ); /// 将直方图归一化到范围 [ 0, histImage.rows ] normalize(r_hist, r_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat() ); normalize(g_hist, g_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat() ); normalize(b_hist, b_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat() ); /// 在直方图画布上画出直方图 for( int i = 1; i < histSize; i++ ) { line( histImage, Point( bin_w*(i-1), hist_h - cvRound(r_hist.at<float>(i-1)) ) , Point( bin_w*(i), hist_h - cvRound(r_hist.at<float>(i)) ), Scalar( 0, 0, 255), 2, 8, 0 ); line( histImage, Point( bin_w*(i-1), hist_h - cvRound(g_hist.at<float>(i-1)) ) , Point( bin_w*(i), hist_h - cvRound(g_hist.at<float>(i)) ), Scalar( 0, 255, 0), 2, 8, 0 ); line( histImage, Point( bin_w*(i-1), hist_h - cvRound(b_hist.at<float>(i-1)) ) , Point( bin_w*(i), hist_h - cvRound(b_hist.at<float>(i)) ), Scalar( 255, 0, 0), 2, 8, 0 ); } /// 显示直方图 namedWindow("calcHist Demo", CV_WINDOW_AUTOSIZE ); imshow("calcHist Demo", histImage ); waitKey(0); return 0;}
解释¶
创建一些矩阵:
Mat src, dst;
装载原图像
src = imread( argv[1], 1 );if( !src.data ) { return -1; }
使用OpenCV函数 split 将图像分割成3个单通道图像:
vector<Mat> rgb_planes;split( src, rgb_planes );
输入的是要被分割的图像 (这里包含3个通道), 输出的则是Mat类型的的向量。
现在对每个通道配置 直方图 设置, 既然我们用到了 R, G 和 B 通道, 我们知道像素值的范围是
设定bins数目 (5, 10...):
int histSize = 255;
设定像素值范围 (前面已经提到,在 0 到 255之间 )
/// 设定取值范围 ( R,G,B) )float range[] = { 0, 255 } ;const float* histRange = { range };
我们要把bin范围设定成同样大小(均一)以及开始统计前先清除直方图中的痕迹:
bool uniform = true; bool accumulate = false;
最后创建储存直方图的矩阵:
Mat r_hist, g_hist, b_hist;
下面使用OpenCV函数 calcHist 计算直方图:
/// 计算直方图:calcHist( &rgb_planes[0], 1, 0, Mat(), r_hist, 1, &histSize, &histRange, uniform, accumulate );calcHist( &rgb_planes[1], 1, 0, Mat(), g_hist, 1, &histSize, &histRange, uniform, accumulate );calcHist( &rgb_planes[2], 1, 0, Mat(), b_hist, 1, &histSize, &histRange, uniform, accumulate );
参数说明如下:
- &rgb_planes[0]: 输入数组(或数组集)
- 1: 输入数组的个数 (这里我们使用了一个单通道图像,我们也可以输入数组集 )
- 0: 需要统计的通道 (dim)索引 ,这里我们只是统计了灰度 (且每个数组都是单通道)所以只要写 0 就行了。
- Mat(): 掩码( 0 表示忽略该像素), 如果未定义,则不使用掩码
- r_hist: 储存直方图的矩阵
- 1: 直方图维数
- histSize: 每个维度的bin数目
- histRange: 每个维度的取值范围
- uniform 和 accumulate: bin大小相同,清楚直方图痕迹
创建显示直方图的画布:
// 创建直方图画布int hist_w = 400; int hist_h = 400;int bin_w = cvRound( (double) hist_w/histSize );Mat histImage( hist_w, hist_h, CV_8UC3, Scalar( 0,0,0) );
在画直方图之前,先使用 normalize 归一化直方图,这样直方图bin中的值就被缩放到指定范围:
/// 将直方图归一化到范围 [ 0, histImage.rows ]normalize(r_hist, r_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat() );normalize(g_hist, g_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat() );normalize(b_hist, b_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat() );
该函数接受下列参数:
- r_hist: 输入数组
- r_hist: 归一化后的输出数组(支持原地计算)
- 0 及 histImage.rows: 这里,它们是归一化 r_hist 之后的取值极限
- NORM_MINMAX: 归一化方法 (例中指定的方法将数值缩放到以上指定范围)
- -1: 指示归一化后的输出数组与输入数组同类型
- Mat(): 可选的掩码
请注意这里如何读取直方图bin中的数据 (此处是一个1维直方图):
/// 在直方图画布上画出直方图 for( int i = 1; i < histSize; i++ ) { line( histImage, Point( bin_w*(i-1), hist_h - cvRound(r_hist.at<float>(i-1)) ) , Point( bin_w*(i), hist_h - cvRound(r_hist.at<float>(i)) ), Scalar( 0, 0, 255), 2, 8, 0 ); line( histImage, Point( bin_w*(i-1), hist_h - cvRound(g_hist.at<float>(i-1)) ) , Point( bin_w*(i), hist_h - cvRound(g_hist.at<float>(i)) ), Scalar( 0, 255, 0), 2, 8, 0 ); line( histImage, Point( bin_w*(i-1), hist_h - cvRound(b_hist.at<float>(i-1)) ) , Point( bin_w*(i), hist_h - cvRound(b_hist.at<float>(i)) ), Scalar( 255, 0, 0), 2, 8, 0 ); }使用了以下表达式:.. code-block:: cpp r_hist.at<float>(i) :math:`i` 指示维度,假如我们要访问2维直方图,我们就要用到这样的表达式:.. code-block:: cpp r_hist.at<float>( i, j )
最后显示直方图并等待用户退出程序:
namedWindow("calcHist Demo", CV_WINDOW_AUTOSIZE );imshow("calcHist Demo", histImage );waitKey(0);return 0;
结果¶
使用下图作为输入图像:
产生以下直方图:
- 直方图计算
- 直方图计算
- 直方图计算
- 计算灰度直方图
- opcv 直方图计算
- 直方图计算(续)
- 【OpenCV】直方图计算
- 直方图的计算
- 计算直方图1D
- OpenCV 计算二维直方图
- 图片灰度直方图计算
- 直方图计算代码
- opencv计算直方图
- 直方图相似性计算
- 直方图计算¶
- opencv 计算直方图 calcHist()
- opencv3 计算二维直方图-H-S直方图
- 计算直方图,利用查找表拉伸直方图,直方图均衡
- string 类主要函数操作笔记
- 对数据进行哈希加盐加密
- Stm32的TFT LCD显示器控制学习笔记
- Codevs 2033 邮票
- C++项目总结三之内存泄漏
- 直方图计算
- C++中#include <climits>
- java一行一行写入或读取数据
- SpringCloud(第 027 篇)集成异构微服务系统到 SpringCloud 生态圈中(比如集成 nodejs 微服务)
- 日记—9.28
- 第二个shell程序------字符串变量操作
- 初识c#---委托,事件和观察者模式(Observer)设计模式
- bzoj 3162: 独钓寒江雪 树哈希+树形dp
- WKWebView 使用HTML 播放本地视频