OpenCV--数字图像灰度直方图

图像灰度直方图的定义：

灰度直方图是灰度级的函数，它表示图像中具有某种灰度级的像素的个数，反映了图像中某种灰度出现的频率。

如果将图像总像素亮度（灰度级别）看成是一个随机变量，则其分布情况就反映了图像的统计特性，这可用probability density function （PDF）来刻画和描述，表现为灰度直方图。

一维直方图的结构表示为

色彩直方图是高维直方图的特例，它统计色彩的出现频率，即色彩的概率分布信息。通常这需要一定的量化过程，将色彩分成若干互不重叠的种类。一般不直接在RGB色彩空间中统计，而是在将亮度分离出来后，对代表色彩部分的信息进行统计，如在HSI空间的HS子空间、YUV空间的UV子空间，以及其它反映人类视觉特点的彩色空间表示中进行。

OpenCV中的直方图CvHistogram

OpenCV中用CvHistogram表示多维直方图

typedef struct CvHistogram
{
int     type;
CvArr*  bins;      //存放每个灰度级数目的数组指针
float   thresh[CV_MAX_DIM][2]; /* for uniform histograms 均匀直方图*/
float** thresh2; /* for non-uniform histograms 非均匀直方图*/
CvMatND mat; /* embedded matrix header for array histograms 直方图数组的内部数据结构*/
}
CvHistogram;

OpenCV中用CvHistogram表示多维直方图

第一个成员type用来指定第二个成员bins的类型。OpenCv中常见到CvArr*的接口，可以用以指定诸如CvMat、CvMatND、IplImage的类型，其实CvArr*的是一个指向void的指针。在函数内部有时需要得到确切的指向类型，这就需要type来指定。

thresh用来指定统计直方图分布的上下界。比如[0 255]表示用来统计图像中像素分别在灰度级[0 255]区间的分布情况，CV_MAX_DIM对应直方图的维数，假如设定二维红-蓝直方图的thresh为[0 255;100 200]，就是分别统计红色图像灰度级在[0 255]以及蓝色图像在灰度级[100 200]的分布情况。

thresh用以指定均匀直方图的分布，我们按每个像素理解自然是“均匀分布”，其实也可以统计像素在几个区间的分布。如果统计像素在2个区间的分布，则对应[0 255]的上下界，均匀分布统计的区间即[0 127] [127 255]分布的概率，这也是为什么thresh第二个维数默认为2——会自动均分上下界；而thresh2指定非均匀的分布，这就需要指定每个区间的上下界，如果要统计直方图在区间（0，10,100,255）的分布，那需要指定thresh2的一个维度为[0 10 100 255]，所以用float**形式表示。

mat简单说就是存储了直方图的信息，即我们统计的直方图分布概率。

创建直方图 cvCreateHist()

CvHistogram* cvCreateHist(
int dims, //直方图维数
int* sizes,//直方图维数尺寸
int type, //直方图的表示格式
float** ranges=NULL, //图中方块范围的数组
int uniform=1 //归一化标识
);

size数组的长度为dims，每个数表示分配给对应维数的bin的个数。如dims=3，则size中用[s1,s2,s3]分别指定每维bin的个数。

type有两种：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就是那个复杂的不好理解的thresh的范围，他的内容取决于uniform的值。uniform为0是均匀的，非0时不均匀。

计算图像直方图的函数为CalcHist()

void cvCalcHist(
IplImage** image, //输入图像（也可用CvMat**）
CvHistogram* hist, //直方图指针
int accumulate=0, //累计标识。如果设置，则直方图在开始时不被清零。
const CvArr* mask=NULL //操作 mask, 确定输入图像的哪个象素被计数
);

一维直方图的实现：

#include <cxcore.h>
#include <cv.h>
#include <highgui.h>

void main()
{
IplImage* src=cvLoadImage("./LENA.bmp")	;
IplImage* gray_plane=cvCreateImage(cvGetSize(src),8,1);
cvCvtColor(src,gray_plane,CV_RGB2GRAY);

int hist_size=256;//直方图尺寸
int hist_height=256;
float range[]={0,255};//灰度级范围
float* ranges[]={range};
//创建一维直方图，统计图像在[0 255]像素的均匀分布
CvHistogram* gray_hist=cvCreateHist(1,&hist_size,CV_HIST_ARRAY,ranges,1);
//计算灰度图像的一维直方图
cvCalcHist(&gray_plane,gray_hist,0,0);
//归一化直方图
cvNormalizeHist(gray_hist,1.0);

int scale=2;
//创建一张一维直方图的“图”，横坐标为灰度级，纵坐标为像素个数（*scale）
IplImage* hist_image=cvCreateImage(cvSize(hist_size*scale,hist_height),8,3);
cvZero(hist_image);
//统计直方图中的最大直方块
float max_value=0;
cvGetMinMaxHistValue(gray_hist,0,&max_value,0,0);

//分别将每个直方块的值绘制到图中
for (int i=0;i<hist_size;i++)
{
float bin_val=cvQueryHistValue_1D(gray_hist,i);//像素i的概率
int intensity=cvRound(bin_val*hist_height/max_value);//要绘制的高度
cvRectangle(hist_image,//直方图 图像
cvPoint(i*scale,hist_height-1),//矩形的一个顶点
cvPoint((i+1)*scale-1,hist_height-intensity),//举行对角线上另一个顶点
CV_RGB(255,255,255)//线条颜色 (RGB)
);
}

//创建窗口
cvNamedWindow("GraySource",CV_WINDOW_AUTOSIZE);
//显示图像
cvShowImage("GraySource",gray_plane);

cvNamedWindow("H-S Histogram",1);
cvShowImage( "H-S Histogram", hist_image );

cvWaitKey(0);

//释放头和图像数据
cvReleaseImage(&gray_plane);
cvReleaseImage(&hist_image);
}

结果：