OpenCV 直方图

CreateHist

创建直方图

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

dims

直方图维数的数目

sizes

直方图维数尺寸的数组，也就是bin的个数，即有多少块。如灰度图，像素范围为0~255，bin为256，即每个灰度值对应一个统计值，如果bin为32，则每8个灰度值对应一个统计值。

type

直方图的表示格式: 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.

ranges

图中方块范围的数组. 它的内容取决于参数 uniform 的值。这个范围的用处是确定何时计算直方图或决定反向映射（backprojected ），每个方块对应于输入图像的哪个/哪组值。

uniform

归一化标识。 如果不为0，则ranges[i]（0<=i<cDims，译者注：cDims为直方图的维数，对于灰度图为1，彩色图为3）是包含两个元素的范围数组，包括直方图第i维的上界和下界。在第i维上的整个区域 [lower,upper]被分割成 dims[i] 个相等的块（译者注：dims[i]表示直方图第i维的块数），这些块用来确定输入象素的第 i 个值（译者注：对于彩色图像，i确定R, G,或者B）的对应的块；如果为0，则ranges[i]是包含dims[i]+1个元素的范围数组，包括lower0, upper0, lower1, upper1 == lower2, ..., upperdims[i]-1, 其中lowerj 和upperj分别是直方图第i维上第 j 个方块的上下界（针对输入象素的第 i 个值）。任何情况下，输入值如果超出了一个直方块所指定的范围外，都不会被 cvCalcHist 计数，而且会被函数 cvCalcBackProject 置零。

函数 cvCreateHist 创建一个指定尺寸的直方图，并且返回创建的直方图的指针。 如果数组的 ranges 是 0, 则直方块的范围必须由函数 cvSetHistBinRanges 稍后指定。虽然 cvCalcHist 和 cvCalcBackProject 可以处理 8-比特图像而无需设置任何直方块的范围，但它们都被假设等分 0..255 之间的空间。

OpenCV统计应用-直方图比较 
 
cvCompareHist(),是比较两个统计直方图的分布,总共有四个方法,被定义如下：  
         #define CV_COMP_CORREL 0 

#define CV_COMP_CHISQR 1

 #define CV_COMP_INTERSECT 2 

#define CV_COMP_BHATTACHARYYA 3  
而这些方法分别为相关系数,卡方,交集法以及在做常态分布比对的Bhattacharyya距离,这些方法都是用来做统计直方图的相似度比较的方法,而且,都是根据统计学的概念,这边就简单的拿来用灰阶统计直方图来比较,而这部份的比较方式,是由图形的色彩结构来着手,下面就简单的用三种情况来分析它们距离比较的方式  
直方图比较实作

 #include <cv.h> 

#include <highgui.h>

 #include <stdio.h> 

#include <stdlib.h>  

int HistogramBins = 256; 
float HistogramRange1[2]={0,255}; 
float *HistogramRange[1]={&HistogramRange1[0]};  
int main()

 { 
    IplImage *Image1=cvLoadImage("RiverBank.jpg",0);    

 IplImage *Image2=cvLoadImage("DarkClouds.jpg",0);  

    CvHistogram *Histogram1=cvCreateHist(1,&HistogramBins,CV_HIST_ARRAY,HistogramRange);     CvHistogram *Histogram2=cvCreateHist(1,&HistogramBins,CV_HIST_ARRAY,HistogramRange);  
    cvCalcHist(&Image1,Histogram1);     cvCalcHist(&Image2,Histogram2);  
    cvNormalizeHist(Histogram1,1);     cvNormalizeHist(Histogram2,1);  
     cvCompareHist(Histogram1,Histogram2,CV_COMP_BHATTACHARYYA));  
  }  
 
这边的直方图比较,则是将它们的统计直方图用cvNormalizeHist()正规化成1,再由正规化的统计分布来做直方图的比较,从上面的输出结果可以推测出,卡方法以及Bhattacharyya是数值越小图形越相似,而相关系数则是看图形的分布程度,因此第三个Black.jpg&White.jpg所显示相关系数的结果才会是1,这边的图形比较用的是统计学的方法,而一般的比较方式还有欧几里德距离的方式,在这个cvCompareHist()的函式,也可以实作出多通道的多维度直方图比较,而且支持CV_HIST_ARRAY及CV_HIST_SPARSE这两种直方图数

method有CV_COMP_CORREL， CV_COMP_CHISQR，CV_COMP_INTERSECT，CV_COMP_BHATTACHARYYA四种方法，对应公式如下：

而这些方法分别为相关系数,卡方,交集法以及在做常态分布比对的Bhattacharyya距离,这些方法都是用来做统计直方图的相似度比较的方法