【OpenCV】calcHist在直方图中的使用

   在学习OpenCV，对calcHist函数一直很是迷茫，今天在网上找的一个很赞的介绍，来自http://blog.csdn.net/ljbsdu/article/details/7412787，就特此转来留一份。请支持原创！

这次再深入学习一下calcHist函数，即用于计算直方图的函数，主要是分析一下该函数的众多的参数，看看应该如何使用，先给出一段代码，其中包括两部分，一部分来自opencv_tutorials中的例子，一部分来自opencv2refman中，都进行了修改，opencv版本为2.3.1。

[cpp] view plaincopyprint?

1. #include <opencv2/core/core.hpp>  
2. #include <opencv2/highgui/highgui.hpp>  
3. #include <opencv2/imgproc/imgproc.hpp>  
4. #include <iostream>  
5.   
6. #pragma comment(lib, "opencv_core231d.lib")  
7. #pragma comment(lib, "opencv_highgui231d.lib")  
8. #pragma comment(lib, "opencv_imgproc231d.lib")  
9.   
10. using namespace cv;  
11. using namespace std;  
12.   
13. #define HIST_DIM1  
14.   
15. int main( int argc, char** argv )  
16. {  
17. #ifdef HIST_DIM1  
18. //----------------------example 1-------------------------------//  
19.     Mat src, dst;  
20.     /// Load image  
21.     src = imread("d:/picture/lena.jpg");  
22.   
23.     if( !src.data )  
24.     {   
25.         cout<<"load image failed"<<endl;  
26.         return -1;   
27.     }  
28.   
29.     /// Separate the image in 3 places ( R, G and B )  
30.     vector<Mat> rgb_planes;  
31. #define SHOW_HSV  
32. #ifdef SHOW_HSV  
33.     Mat hsv;  
34.     cvtColor(src, hsv, COLOR_BGR2HSV);  
35.     split(hsv, rgb_planes );   
36. #else  
37.     split(src, rgb_planes );   
38. #endif  
39.     /// Establish the number of bins   
40.     int histSize = 256;  
41.   
42.     /// Set the ranges ( for R,G,B) )  
43.     float range[] = { 0, 255 } ;   
44.     const float* histRange = { range };  
45.   
46.     bool uniform = true; bool accumulate = false;  
47.   
48.     Mat r_hist, g_hist, b_hist;  
49.   
50.     /// Compute the histograms:  
51.     calcHist( &rgb_planes[2], 1, 0, Mat(), r_hist, 1, &histSize, &histRange, uniform, accumulate );  
52.     calcHist( &rgb_planes[1], 1, 0, Mat(), g_hist, 1, &histSize, &histRange, uniform, accumulate );  
53.     calcHist( &rgb_planes[0], 1, 0, Mat(), b_hist, 1, &histSize, &histRange, uniform, accumulate );  
54.   
55.     // Draw the histograms for R, G and B  
56.     int hist_w = 600; int hist_h = 400;  
57.     int bin_w = cvRound( (double) hist_w/histSize );  
58.   
59.     Mat rgb_hist[3];  
60.     for(int i=0; i<3; ++i)  
61.     {  
62.         rgb_hist[i] = Mat(hist_h, hist_w, CV_8UC3, Scalar::all(0));  
63.     }  
64.       
65.     Mat histImage(hist_h, hist_w, CV_8UC3, Scalar(0,0,0));  
66.   
67.     /// Normalize the result to [ 0, histImage.rows-10]  
68.     normalize(r_hist, r_hist, 0, histImage.rows-10, NORM_MINMAX);  
69.     normalize(g_hist, g_hist, 0, histImage.rows-10, NORM_MINMAX);  
70.     normalize(b_hist, b_hist, 0, histImage.rows-10, NORM_MINMAX);  
71.   
72.     /// Draw for each channel   
73.     for( int i = 1; i < histSize; i++ )  
74.     {   
75.         line( histImage, Point( bin_w*(i-1), hist_h-cvRound(r_hist.at<float>(i-1)) ) ,   
76.             Point( bin_w*(i), hist_h-cvRound(r_hist.at<float>(i)) ),   
77.             Scalar( 0, 0, 255), 1);   
78.         line( histImage, Point( bin_w*(i-1), hist_h - cvRound(g_hist.at<float>(i-1)) ) ,   
79.             Point( bin_w*(i), hist_h-cvRound(g_hist.at<float>(i)) ),   
80.             Scalar( 0, 255, 0), 1);   
81.         line( histImage, Point( bin_w*(i-1), hist_h - cvRound(b_hist.at<float>(i-1)) ) ,   
82.             Point( bin_w*(i), hist_h-cvRound(b_hist.at<float>(i)) ),   
83.             Scalar( 255, 0, 0), 1);         
84.     }  
85.   
86.     for (int j=0; j<histSize; ++j)  
87.     {  
88.         int val = saturate_cast<int>(r_hist.at<float>(j));  
89.         rectangle(rgb_hist[0], Point(j*2+10, rgb_hist[0].rows), Point((j+1)*2+10, rgb_hist[0].rows-val), Scalar(0,0,255),1,8);  
90.           
91.         val = saturate_cast<int>(g_hist.at<float>(j));  
92.         rectangle(rgb_hist[1], Point(j*2+10, rgb_hist[1].rows), Point((j+1)*2+10, rgb_hist[1].rows-val), Scalar(0,255,0),1,8);  
93.           
94.         val = saturate_cast<int>(b_hist.at<float>(j));  
95.         rectangle(rgb_hist[2], Point(j*2+10, rgb_hist[2].rows), Point((j+1)*2+10, rgb_hist[2].rows-val), Scalar(255,0,0),1,8);  
96.     }  
97.   
98.     /// Display   
99.     namedWindow("calcHist Demo", CV_WINDOW_AUTOSIZE );  
100.     namedWindow("wnd");  
101.     imshow("calcHist Demo", histImage );  
102.     imshow("wnd", src);  
103.   
104.     imshow("R", rgb_hist[0]);  
105.     imshow("G", rgb_hist[1]);  
106.     imshow("B", rgb_hist[2]);  
107. #else  
108. //----------------------example 2-------------------------------//  
109.     Mat src, hsv;  
110.     if(!(src=imread("d:/picture/lena.bmp")).data)  
111.         return -1;  
112.     cvtColor(src, hsv, CV_BGR2HSV);  
113.     // Quantize the hue to 30 levels  
114.     // and the saturation to 32 levels  
115.     int hbins = 60, sbins = 64;  
116.     int histSize[] = {hbins, sbins};  
117.     // hue varies from 0 to 179, see cvtColor  
118.     float hranges[] = { 0, 180 };  
119.     // saturation varies from 0 (black-gray-white) to  
120.     // 255 (pure spectrum color)  
121.     float sranges[] = { 0, 256};  
122.     const float*ranges[] = { hranges, sranges };  
123.     MatND hist;  
124.     // we compute the histogram from the 0-th and 1-st channels  
125.     int channels[] = {0, 1};  
126.     calcHist( &hsv, 1, channels, Mat(),hist, 2, histSize, ranges,true, false );  
127.     double maxVal=0;  
128.     minMaxLoc(hist, 0, &maxVal, 0, 0);  
129.     int scale = 8;  
130.     Mat histImg = Mat::zeros(sbins*scale, hbins*scale, CV_8UC3);  
131.     for( int h = 0; h < hbins; h++ )  
132.     {  
133.         for( int s = 0; s < sbins; s++ )  
134.         {  
135.             float binVal = hist.at<float>(h, s);  
136.             int intensity = cvRound(binVal*255/maxVal);  
137.             rectangle( histImg, Point(h*scale, s*scale),Point((h+1)*scale-1, (s+1)*scale-1), Scalar::all(intensity), CV_FILLED);  
138.         }  
139.     }  
140.     namedWindow( "Source", 1 );  
141.     imshow( "Source", src );  
142.     namedWindow( "H-S Histogram", 1 );  
143.     imshow( "H-S Histogram", histImg );  
144. #endif    
145. //-------------------------------------------------------------------------//     
146.     waitKey(0);  
147.     destroyAllWindows();  
148.     return 0;  
149. }  

上面的例子是对opencv_tutorials以及手册中的计算直方图的程序的修改

其中修改的：
1、原先的程序中对加载的彩色rgb图像的通道有问题(看例子给的图应该是在linux下的，不知道是不是因为linux和windows下加载的不同)，在windows下默认加载的通道排列顺序是B-G-R，
原先的程序中是按照R-G-B顺序计算的直方图所以需要变换一下顺序;
2、原先程序的histImage将参数顺序弄错了，该构造函数的第一个参数是rows行数，对应图像的高度，即hist_h，而不是hist_w,这里同时还将大小变换了一下
看着更舒服一些；
下面是对calcHist函数的参数介绍。

calcHist--计算矩阵的直方图函数;
--------------------------------------------------------------------------------------------------------------

[cpp] view plaincopyprint?

1. ###---given in manual---###  
2. void calcHist(const Mat*arrays, int narrays, const int* channels, InputArray mask, OutputArray hist, int dims,  
3.     const int* histSize, const float** ranges, bool uniform=true, boolaccumulate=false)  
4. void calcHist(const Mat*arrays, int narrays, const int* channels, InputArray mask, SparseMat& hist, int dims,  
5.     const int* histSize, const float** ranges, bool uniform=true, boolaccumulate=false)  
6.   
7. ###---declaration in imgproc.hpp---###  
8. //! computes the joint dense histogram for a set of images.  
9. CV_EXPORTS void calcHist( const Mat* images, int nimages, const int* channels, InputArray mask, OutputArray hist, int dims,  
10.       const int* histSize, const float** ranges, bool uniform=true, bool accumulate=false );  
11.   
12. //! computes the joint sparse histogram for a set of images.  
13. CV_EXPORTS void calcHist( const Mat* images, int nimages, const int* channels, InputArray mask, SparseMat& hist, int dims,  
14.       const int* histSize, const float** ranges, bool uniform=true, bool accumulate=false );  
15.   
16. CV_EXPORTS_W void calcHist( InputArrayOfArrays images, const vector<int>& channels, InputArray mask, OutputArray hist,  
17.        const vector<int>& histSize, const vector<float>& ranges,bool accumulate=false );  

--------------------------------------------------------------------------------------------------------------
手册中和头文件中的函数声明参数稍有不同，主要是前两个参数，手册中是array和narrays而头文件声明中是images和nimages，其实是一样，以手册为准：
这里有一个对opencv_tutorials.pdf即opencv教程的一个翻译。
http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/histograms/histogram_calculation/histogram_calculation.html

arrays – Source arrays. They all should have the same depth, CV_8U or CV_32F , and the same size. Each of them can have an arbitrary number of channels.
    - 源输入（图像）数组，必须是相同深度的CV_8U或者CV_32F(即uchar或者float),相同大小，每一个可以是任意通道的;
    [上面的例子1中每次计算一个单通道图像，所以直接对图像取地址赋给了该参数]

narrays – Number of source arrays.
    - 源输入数组中的元素个数;
    [例子1中只计算一幅图像的直方图，所以这个参数都是1]

channels – List of the dims channels used to compute the histogram. The first array channels are enumerated from 0 to arrays[0].channels()-1 ,   the second array channels are counted from arrays[0].channels() to arrays[0].channels() + arrays[1].channels()-1, and so on.
    - 用来计算直方图的通道维数数组,第一个数组的通道由0到arrays[0].channels()-1列出，第二个数组的通道从arrays[0].channels()到arrays[0].channels()+arrays[1].channels()-1以此类推;
    [例子1中为0,即第0个通道？？]

mask – Optional mask. If the matrix is not empty, it must be an 8-bit array of the same size as arrays[i].  The non-zero mask elements mark the array elements counted in the histogram.
    -可选的掩膜，如果该矩阵不是空的，则必须是8位的并且与arrays[i]的大小相等，掩膜的非零值标记需要在直方图中统计的数组元素;
    [例子1中为空的Mat()]

hist – Output histogram, which is a dense or sparse dims -dimensional array.
    -输出直方图，是一个稠密或者稀疏的dims维的数组;
    [例子1中为保存直方图的Mat]

dims – Histogram dimensionality that must be positive and not greater than CV_MAX_DIMS (equal to 32 in the current OpenCV version).
    -直方图的维数，必须为正，并且不大于CV_MAX_DIMS(当前的OpenCV版本中为32，即最大可以统计32维的直方图);
    [例子1中为1，因为统计的是每幅单通道图像的灰度直方图]

histSize – Array of histogram sizes in each dimension.
    - 用于指出直方图数组每一维的大小的数组，即指出每一维的bin的个数的数组;
    [因为例子1只有1维，所以例子1中直接对int取地址作为参数，即该维的bin的个数为256]

ranges – Array of the dims arrays of the histogram bin boundaries in each dimension. When the histogram is uniform ( uniform =true),   then for each dimension i it is enough to specify the lower (inclusive) boundary of the 0-th histogram bin and the upper(exclusive)  boundary for the last histogram bin histSize[i]-1. That is, in case of a uniform histogram each of ranges[i] is an array of 2 elements.   When the histogram is not uniform ( uniform=false ), then each of ranges[i] contains histSize[i]+1 elements:.  The array elements, that are not between  and  , are not counted in the histogram.
    - 用于指出直方图每一维的每个bin的上下界范围数组的数组，当直方图是均匀的(uniform =true)时，对每一维i指定直方图的第0个bin的下界(包含即[)L0和最后一个即第histSize[i]-1个bin的上界(不包含的即))U_histSize[i]-1，也就是说对均匀直方图来说，每一个ranges[i]都是一个两个元素的数组【指出该维的上下界】。当直方图不是均匀的时，每一个ranges[i]数组都包含histSize[i]+1个元素:L0,U0=L1,U1=L1,...,U_histSize[i]-2 = L_histSize[i]-1,U_histSize[i]-1.不在L0到U_histSize[i]-1之间的数组元素将不会统计进直方图中;
    [在例子1中采用的是均匀直方图，所以范围为0-255]

uniform – Flag indicates that whether the histogram is uniform or not (see above).
    - 直方图是否均匀的标志;【指定直方图每个bin统计的是否是相同数量的灰度级】
    [例子1中为true]

accumulate – Accumulation flag. If it is set, the histogram is not cleared in the beginning when it is allocated.
   This feature enables you to compute a single histogram from several sets of arrays, or to update the histogram in time.
    -累加标志；
    [单幅图像不进行累计所以例子1中为false]

参数中最难理解的应该就是channels和ranges这两个参数，以及histSize和ranges这两个参数的关系，关于histSize和ranges的关系也就涉及了ranges的意义，关于它们的关系在《学习OpenCV中文版》09.10第一版的page:219-220有比较清楚的说明。
【channels参数，自己也不是很明确，等看看该函数的源码之后再说】。

使用上面第一个例子获得的lena的hsv直方图如下：直接在RGB基础上修改的，所以窗口名字对应R-V,G-S,B-H。

手册中该函数的介绍之后有个例子，是计算图像的2维H-S直方图的，就是上面的例子2(稍微进行了一点修改);
这个例子中的参数分别为：
参数1：&hsv，一幅HSV三通道的彩色图像指针；
参数2：1，因为参数1是一幅图像；
参数3：channels，数组包含两个元素:0,1；--指明要统计的是通道0和通道1的数据？？--不确定是否是这样的!
参数4：Mat()，为空，不使用掩膜；
参数5：hist，输出2D直方图，MatND，也就是Mat；
参数6：2，2维直方图；
参数7：histSize，两个元素的数组，指明每一维的bin的个数，上面的例子2中，h的为60，s的为64；
参数8：ranges，指出bin的范围的数组的数组，因为后面的uniform标志为true，也就是均匀直方图，所以每一维由一个两个元素的数组指出上下限；
参数9：true，也就是采用均匀直方图；
参数10：false，不使用累积；
第二个例子给出的2维直方图中，水平的是h分量，垂直的是s分量，下面是lena的H-S直方图图像：

可以看出，h分量也就是H-S直方图的垂直投影集中在0和60左右，对应到hsv空间也就是色相为红色部分，从例子1的h分量直方图以及直观的看lena原始图像也可以看出来，
而s分量，也就是水平投影，集中在中间部分，从例子1的s分量的直方图中也可以看出；
而且如果将这个H-S二维直方图的每一维的bin数量设置的与上面的例1中一样，然后在分别向垂直方向和水平方向投影，获得的两个投影直方图应该与例1中的对应
直方图是一样的