【OpenCV入门指南】第八篇 灰度直方图

    xiaoxiao2021-08-18  174

    直方图(Histogram)又称柱状图、质量分布图,是一种统计报告图。直方图由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据类型,纵轴表示分布情况。在图像处理上,直方图是图像信息统计的有力工具。

      灰度直方图是指对图像的灰度信息进行统计,我们知道灰度图在图像处理中应用非常广泛,在前面的《OpenCV第三篇Canny边缘检测》、《OpenCV第五篇轮廓检测上》、《OpenCV第六篇轮廓检测下》均能找到灰度图的用武之地。因此灰度直方图具有较高的实用价值。下面先介绍灰度直方图的几个主要函数。

     

    一.cvCreateHist

    函数功能:创建直方图

    函数原型:

    CVAPI(CvHistogram*)  cvCreateHist// Creates new histogram

      int dims,

      intsizes,

      int type,

      float** ranges CV_DEFAULT(NULL),

      int uniform CV_DEFAULT(1)

    );

    参数说明:

    第一个参数表示直方图维数,灰度图为1,彩色图为3

    第二个参数表示直方图维数的数目,其实就是sizes数组的维数。

    第三个参数表示直方图维数尺寸的数组。

    第四个参数表示直方图类型,为CV_HIST_ARRAY表示直方图数据表示为多维密集数组,为CV_HIST_TREE表示直方图数据表示为多维稀疏数组。

    第五个参数表示归一化标识,其原理有点复杂。通常使用默认值即可。

    函数说明:

    直方图的数据结构如下所示:

    typedef struct CvHistogram

    {

        int     type;

        CvArr*  bins;

        float   thresh[CV_MAX_DIM][2];  /* For uniform histograms. */

        float** thresh2;                /* For non-uniform histograms. */

        CvMatND mat;     /* Embedded matrix header for array histograms. */

    }CvHistogram;

     

    二.cvCalcHist

    函数功能:根据图像计算直方图

    函数原型:

    void  cvCalcHist(

      IplImage** image,

      CvHistogramhist,

      int accumulate CV_DEFAULT(0),

      const CvArrmask CV_DEFAULT(NULL)

    )

    参数说明:

    第一个参数表示输入图像。

    第二个参数表示输出的直方图指针。

    第三个参数操作mask, 确定输入图像的哪个象素被计数。

    第四个参数表示累计标识。如果设置,则直方图在开始时不被清零。这个特征保证可以为多个图像计算一个单独的直方图,或者在线更新直方图。

    函数说明:

    这是个inline函数,函数内部会直接调用cvCalcArrHist( (CvArr**)image, hist, accumulate, mask );

     

    其它直方图的函数介绍可以参阅:

    http://www.opencv.org.cn/index.php/Cv图像处理#.E7.9B.B4.E6.96.B9.E5.9B.BE

     

    下面给出灰度直方图的代码示范:

    [cpp]  view plain  copy //图像的灰度直方图   //By MoreWindows (http://blog.csdn.net/MoreWindows)   #include <opencv2/opencv.hpp>   #include <opencv2/legacy/compat.hpp>   using namespace std;   #pragma comment(linker, "/subsystem:\"windows\" /entry:\"mainCRTStartup\"")   void FillWhite(IplImage *pImage)   {       cvRectangle(pImage, cvPoint(0, 0), cvPoint(pImage->width, pImage->height), CV_RGB(255, 255, 255), CV_FILLED);   }   // 创建灰度图像的直方图   CvHistogram* CreateGrayImageHist(IplImage **ppImage)   {       int nHistSize = 256;       float fRange[] = {0, 255};  //灰度级的范围         float *pfRanges[] = {fRange};         CvHistogram *pcvHistogram = cvCreateHist(1, &nHistSize, CV_HIST_ARRAY, pfRanges);       cvCalcHist(ppImage, pcvHistogram);       return pcvHistogram;   }   // 根据直方图创建直方图图像   IplImage* CreateHisogramImage(int nImageWidth, int nScale, int nImageHeight, CvHistogram *pcvHistogram)   {       IplImage *pHistImage = cvCreateImage(cvSize(nImageWidth * nScale, nImageHeight), IPL_DEPTH_8U, 1);       FillWhite(pHistImage);          //统计直方图中的最大直方块       float fMaxHistValue = 0;       cvGetMinMaxHistValue(pcvHistogram, NULL, &fMaxHistValue, NULL, NULL);          //分别将每个直方块的值绘制到图中       int i;       for(i = 0; i < nImageWidth; i++)       {           float fHistValue = cvQueryHistValue_1D(pcvHistogram, i); //像素为i的直方块大小           int nRealHeight = cvRound((fHistValue / fMaxHistValue) * nImageHeight);  //要绘制的高度           cvRectangle(pHistImage,               cvPoint(i * nScale, nImageHeight - 1),               cvPoint((i + 1) * nScale - 1, nImageHeight - nRealHeight),               cvScalar(i, 0, 0, 0),                CV_FILLED           );        }       return pHistImage;   }   int main( int argc, char** argv )   {          const char *pstrWindowsSrcTitle = "原图(http://blog.csdn.net/MoreWindows)";       const char *pstrWindowsGrayTitle = "灰度图(http://blog.csdn.net/MoreWindows)";       const char *pstrWindowsHistTitle = "直方图(http://blog.csdn.net/MoreWindows)";          // 从文件中加载原图       IplImage *pSrcImage = cvLoadImage("007.jpg", CV_LOAD_IMAGE_UNCHANGED);       IplImage *pGrayImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 1);       // 灰度图       cvCvtColor(pSrcImage, pGrayImage, CV_BGR2GRAY);          // 灰度直方图       CvHistogram *pcvHistogram = CreateGrayImageHist(&pGrayImage);              // 创建直方图图像       int nHistImageWidth = 255;       int nHistImageHeight = 150;  //直方图图像高度       int nScale = 2;                   IplImage *pHistImage = CreateHisogramImage(nHistImageWidth, nScale, nHistImageHeight, pcvHistogram);          // 显示       cvNamedWindow(pstrWindowsSrcTitle, CV_WINDOW_AUTOSIZE);       cvNamedWindow(pstrWindowsGrayTitle, CV_WINDOW_AUTOSIZE);       cvNamedWindow(pstrWindowsHistTitle, CV_WINDOW_AUTOSIZE);       cvShowImage(pstrWindowsSrcTitle, pSrcImage);       cvShowImage(pstrWindowsGrayTitle, pGrayImage);       cvShowImage(pstrWindowsHistTitle, pHistImage);             cvWaitKey(0);          cvReleaseHist(&pcvHistogram);          cvDestroyWindow(pstrWindowsSrcTitle);       cvDestroyWindow(pstrWindowsGrayTitle);       cvDestroyWindow(pstrWindowsHistTitle);       cvReleaseImage(&pSrcImage);       cvReleaseImage(&pGrayImage);       cvReleaseImage(&pHistImage);       return 0;   }  

    运行效果如下图所示:

    由直方图可以看出灰度图上有四种灰度占了很大一部分比例。估计应该是墙壁,衣服,裤子及皮肤这四种灰度吧。

     

    本篇主要介绍了灰度图像的直方图,彩色图像的直方图可以参考:http://www.opencv.org.cn/index.PHP/图像颜色分布直方图

     

    后面二篇《OpenCV第十篇 灰度直方图均衡化》与《OpenCV第十一篇 彩色直方图均衡化》将介绍直方图的均衡化处理,这是图像增强的常用方法。欢迎继续浏览。

     

    转载请注明原文地址: https://ju.6miu.com/read-676575.html

    最新回复(0)