OpenCV直方圖計(jì)算

目標(biāo)

在本教程中，您將學(xué)習(xí)如何：

• 使用OpenCV函數(shù)cv :: split將圖像分割成對(duì)應(yīng)的平面。
• 使用OpenCV函數(shù)cv :: calcHist來(lái)計(jì)算圖像數(shù)組的直方圖
• 使用函數(shù)cv :: normalize對(duì)數(shù)組進(jìn)行歸一化

注意

在上一個(gè)教程（直方圖均衡）中，我們討論了一種稱為“ 圖像直方圖”的特定類型的直方圖?，F(xiàn)在我們將在其更一般的概念中思考。

什么是直方圖？

• 直方圖是將數(shù)據(jù)組織成一組預(yù)定義倉(cāng)的收集計(jì)數(shù)
• 當(dāng)我們說(shuō)數(shù)據(jù)時(shí)，我們并不把它限制為強(qiáng)度值（正如我們?cè)谇懊娴慕坛讨锌吹降模Ｊ占臄?shù)據(jù)可以是您發(fā)現(xiàn)有用的描述您的圖像的任何功能。
• 我們來(lái)看一個(gè)例子。假設(shè)矩陣包含圖像的信息（即范圍內(nèi)的強(qiáng)度）：0?255

• 如果我們想以有組織的方式計(jì)算這些數(shù)據(jù)會(huì)怎么樣？由于我們知道這種情況下的信息值范圍是256個(gè)值，所以我們可以在子部分（稱為bins）中劃分我們的范圍，如：
  

我們可以保持落在每個(gè)范圍內(nèi)的像素?cái)?shù)量。將其應(yīng)用于上述示例，我們得到下面的圖像（x軸表示bins和軸y表示每個(gè)像素的數(shù)目）。

• 這只是一個(gè)簡(jiǎn)單的直方圖的例子，為什么它是有用的。直方圖不僅可以保持顏色強(qiáng)度的計(jì)數(shù)，還可以保持我們想要測(cè)量的任何圖像特征（即梯度，方向等）。
• 我們來(lái)確定直方圖的一些部分：

1. dims：要收集數(shù)據(jù)的參數(shù)數(shù)。在我們的示例中，dims = 1，因?yàn)槲覀冎挥?jì)算每個(gè)像素的強(qiáng)度值（在灰度圖像中）。
2. bins：每個(gè)暗淡的細(xì)分?jǐn)?shù)。在我們的例子中，bin = 16
3. range：要測(cè)量的值的限制。在這種情況下：range = [0,255]

如果你想計(jì)算兩個(gè)功能怎么辦？在這種情況下，您生成的直方圖將是一個(gè)3D圖（其中x和y將為和  ，而z將每個(gè)組合的計(jì)數(shù)。這同樣適用于更多的功能（當(dāng)然會(huì)變得更棘手）。

OpenCV為您提供什么

為了簡(jiǎn)單起見(jiàn)，OpenCV實(shí)現(xiàn)了函數(shù)cv :: calcHist，它計(jì)算一組數(shù)組（通常是圖像或圖像平面）的直方圖。它最多可以操作32個(gè)維度。我們將在下面的代碼中看到它！

Code

• 這個(gè)程序是做什么的？加載圖像使用函數(shù)cv :: split將圖像分解為R，G和B平面通過(guò)調(diào)用函數(shù)cv :: calcHist計(jì)算每個(gè)1通道平面的直方圖在窗口中繪制三個(gè)直方圖
• 可下載的代碼：點(diǎn)擊這里
• 代碼一覽：

#include "opencv2/highgui.hpp"
#include "opencv2/imgcodecs.hpp"
#include "opencv2/imgproc.hpp"
#include <iostream>
using namespace std;
using namespace cv;
int main(int argc, char** argv)
{
  Mat src, dst;
  String imageName( "../data/lena.jpg" ); // by default
  if (argc > 1)
  {
      imageName = argv[1];
  }
  src = imread( imageName, IMREAD_COLOR );
  if( src.empty() )
    { return -1; }
  vector<Mat> bgr_planes;
  split( src, bgr_planes );
  int histSize = 256;
  float range[] = { 0, 256 } ;
  const float* histRange = { range };
  bool uniform = true; bool accumulate = false;
  Mat b_hist, g_hist, r_hist;
  calcHist( &bgr_planes[0], 1, 0, Mat(), b_hist, 1, &histSize, &histRange, uniform, accumulate );
  calcHist( &bgr_planes[1], 1, 0, Mat(), g_hist, 1, &histSize, &histRange, uniform, accumulate );
  calcHist( &bgr_planes[2], 1, 0, Mat(), r_hist, 1, &histSize, &histRange, uniform, accumulate );
  // Draw the histograms for B, G and R
  int hist_w = 512; int hist_h = 400;
  int bin_w = cvRound( (double) hist_w/histSize );
  Mat histImage( hist_h, hist_w, CV_8UC3, Scalar( 0,0,0) );
  normalize(b_hist, b_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat() );
  normalize(g_hist, g_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat() );
  normalize(r_hist, r_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat() );
  for( int i = 1; i < histSize; i++ )
  {
      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  );
      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(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  );
  }
  namedWindow("calcHist Demo", WINDOW_AUTOSIZE );
  imshow("calcHist Demo", histImage );
  waitKey(0);
  return 0;
}

說(shuō)明

• 創(chuàng)建必要的矩陣：
  

Mat src，dst;

• 加載源圖像
  

src = imread( argv[1], 1 );
if( !src.data )
  { return -1; }

• 在三個(gè)R，G和B平面中分離源圖像。為此，我們使用OpenCV函數(shù)cv :: split：
  

vector<Mat> bgr_planes;
split( src, bgr_planes );

我們的輸入是要分割的圖像（這種情況下有三個(gè)通道），輸出是Mat的向量）

• 現(xiàn)在我們準(zhǔn)備開(kāi)始為每個(gè)平面配置直方圖。由于我們正在使用B，G和R planes，我們知道我們的值將在間隔范圍內(nèi)[0,255]
  

建立箱數(shù)（5，10 ...）：

int histSize = 256; //from 0 to 255

設(shè)置值的范圍（如我們所說(shuō)，在0到255之間）

float range[] = { 0, 256 } ; //the upper boundary is exclusive
const float* histRange = { range };

我們希望我們的箱子具有相同的尺寸（均勻），并在開(kāi)始時(shí)清除直方圖，所以：

bool uniform = true ; bool accumulate = false ;

最后，我們創(chuàng)建Mat對(duì)象來(lái)保存直方圖。創(chuàng)建3（每個(gè)planes一個(gè)）：

Mat b_hist，g_hist，r_hist;

我們繼續(xù)使用OpenCV函數(shù)cv :: calcHist計(jì)算直方圖：

calcHist（＆bgr_planes [0]，1，0，Mat（），b_hist，1，＆histSize，＆histRange，uniform，accumulate）;
calcHist（＆bgr_planes [1]，1，0，Mat（），g_hist，1，＆histSize，＆histRange，uniform，accumulate）;
calcHist（＆bgr_planes [2]，1，0，Mat（），r_hist，1，＆histSize，＆histRange，uniform，accumulate）;

其中的論點(diǎn)是：

1. **＆bgr_planes [0]：**源數(shù)組（s）
2. 1：源數(shù)組的數(shù)量（在這種情況下，我們正在使用1.我們可以在這里輸入一個(gè)數(shù)組列表）
3. 0：要測(cè)量的通道（dim）。在這種情況下，它只是強(qiáng)度（每個(gè)陣列是單通道），所以我們只寫(xiě)0。
4. Mat（）：在源數(shù)組上使用的掩碼（指示要忽略的像素的零）。如果未定義，則不使用它
5. b_hist：要存儲(chǔ)直方圖的Mat對(duì)象
6. 1：直方圖維度。
7. histSize：每個(gè)使用的維數(shù)的數(shù)量
8. histRange：每個(gè)維度要測(cè)量的值的范圍
9. uniform和accumulate：紙箱尺寸相同，直方圖在開(kāi)始時(shí)清除。

• 創(chuàng)建一個(gè)圖像以顯示直方圖：
  

// Draw the histograms for R, G and B
int hist_w = 512; int hist_h = 400;
int bin_w = cvRound( (double) hist_w/histSize );
Mat histImage( hist_h, hist_w, CV_8UC3, Scalar( 0,0,0) );

• 請(qǐng)注意，在繪制之前，我們首先cv ::歸一化直方圖，使其值落在由輸入的參數(shù)指示的范圍內(nèi)：
  

normalize(b_hist, b_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat() );
normalize(g_hist, g_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat() );
normalize(r_hist, r_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat() );

此函數(shù)接收這些參數(shù)：

1. b_hist：輸入數(shù)組
2. b_hist：輸出歸一化數(shù)組（可以相同）
3. 0和** histImage.rows：對(duì)于這個(gè)例子，它們是對(duì)r_hist **的值進(jìn)行歸一化的下限和上限
4. NORM_MINMAX：指示歸一化類型的參數(shù)（如上所述，它調(diào)整之前設(shè)置的兩個(gè)限制之間的值）
5. ** - 1：**意味著輸出歸一化數(shù)組將與輸入的類型相同
6. Mat（）：可選掩碼

• 最后，觀察到訪問(wèn)bin（在這種情況下在這個(gè)1D直方圖中）：
  

for( int i = 1; i < histSize; i++ )
{
    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  );
    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(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  );
}

我們使用表達(dá)式：

b_hist.at < float >（i）

其中 i 表示尺寸。如果它是一個(gè)二維直方圖，我們將使用如下：

b_hist.at<float>( i, j )

最后我們顯示直方圖，等待用戶退出：

namedWindow("calcHist Demo", WINDOW_AUTOSIZE );
imshow("calcHist Demo", histImage );
waitKey(0);
return 0;

結(jié)果

• 作為輸入?yún)?shù)使用如下所示的圖像：
  

• 生成以下直方圖：