opencv学习_6 (灰度直方图)

灰度直方图

这次我从最基本的直方图讲起，一维直方图，至于二维等高维直方图，仅作为了解，后面有时间另开blog详解。

1：首先我们给出一幅图



其中的数据假设对应一副灰度图片的灰度值，则直方图的作用就是画出在bin范围内取值的个数，如图左边的直方图---相当于我们word中的柱状图。

2：在opencv中直方图的结构为:

typedef struct CvHistogram

{

   int     type;    // 不用管

   CvArr*  bins;存放直方图在每一维上直方柱的具体数据，由于存在多维直方图。如果是一维直方图，那么bins就是一个一维的矩阵；如果是二维直方图，那么bins就是一个二维的矩阵，等等。

   float   thresh[CV_MAX_DIM][2]; /* 直方柱的划分 是统一划分的，即均等划分的 */

   float** thresh2; /*不均等划分，可以自动设定每一个直方柱的取值范围。之所以是二级指针，每一个柱的取值范围用一级指针表示，又存在多个直方柱，所以需要二级指针才能表示。每一个不在指定范围的值，会被忽略掉。*/

    CvMatND mat; /* 存放直方图的数据 */

}

3：直方图的创建:

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

其中:

dims：表示直方图的维度 sizes：每一维上直方柱(bin)的数据 ----- 创建多大的矩阵  如一维则size[0] =256 二维:则size[0]=256，size[1] = 256;; type  ---- 创建一个什么样的矩阵 直方图存储数据的方式: 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.---- 大于0才开设相应的空间存储它<高维的必选它> Ranges: 直方图在每一维度上的范围。         如果是一维则代码为:                                               Floatrange[] = {0,255};                                               Float*ranges[]={range};         如果是二维则代码为:                                               Floatb_range[] = {0,255};                                               Floatg_range[] ={0,255};                                               Float*ranges[] = {b_range, g_range}; uniform 该值为0时，表示bin的范围是程序员自由设定的。当该值为非零时，表示bin的划分，是均等划分。
4：创建一个直方图后，避免里面存在一些随机值，我们可以将其清除cvClearHist 代码: cvClearHist(hist);5：计算图像的直方图  cvCalcHist         代码:cvCalcHist(&imgBlue, hist, 0, 0);6：将得到的直方图画出来: 其中用到了函数 cvGetMinMaxHistVaule, cvQueryHistValue_1D, cvFillConvexPoly.[cpp] view plain copy print?IplImage *DrawHistogram(CvHistogram*hist, float scaleX = 1, float scaleY = 1){  // 画直方图  
    float histMax = 0;  
    cvGetMinMaxHistValue(hist, 0 , &histMax, 0, 0);  // 取得直方图中的最值  
    IplImage *imgHist = cvCreateImage(cvSize(256 * scaleX, 64*scaleY), 8, 1);  
    cvZero(imgHist); //// 清空随机值  
    for(int i = 0; i < 255; i++)  
    {  
        float histValue = cvQueryHistValue_1D(hist, i); // 取得直方图中的i值  
        float nextValue = cvQueryHistValue_1D(hist, i+1);  
        int numPt = 5;  
        CvPoint pt[5];  
        pt[0] = cvPoint(i*scaleX, 64*scaleY);  
        pt[1] = cvPoint((i+1)*scaleX, 64*scaleY);  
        pt[2] = cvPoint((i+1)*scaleX, (1 -(nextValue/histMax))* 64 * scaleY);  
        pt[3] = cvPoint((i+1)*scaleX, (1 -(histValue/histMax))* 64 * scaleY);  
        pt[4] = cvPoint(i*scaleX, 64*scaleY);  
        cvFillConvexPoly(imgHist, pt, numPt, cvScalarAll(255));  
    }  
    return imgHist;  
  
}  

总结：以上给出得到直方图的主要步骤：直方图的创建—>计算图像的直方图—>画出直方图。以下给出完整的代码及运行的结果[cpp] view plain copy print?#include <iostream>  
#include "cv.h"  
#include "highgui.h"  
#include "cxcore.h"  
using namespace std;  
  
IplImage *DrawHistogram(CvHistogram*hist, float scaleX = 1, float scaleY = 1){  // 画直方图  
    float histMax = 0;  
    cvGetMinMaxHistValue(hist, 0 , &histMax, 0, 0);  // 取得直方图中的最值  
    IplImage *imgHist = cvCreateImage(cvSize(256 * scaleX, 64*scaleY), 8, 1);  
    cvZero(imgHist); //// 清空随机值  
    for(int i = 0; i < 255; i++)  
    {  
        float histValue = cvQueryHistValue_1D(hist, i); // 取得直方图中的i值  
        float nextValue = cvQueryHistValue_1D(hist, i+1);  
        int numPt = 5;  
        CvPoint pt[5];  
        pt[0] = cvPoint(i*scaleX, 64*scaleY);  
        pt[1] = cvPoint((i+1)*scaleX, 64*scaleY);  
        pt[2] = cvPoint((i+1)*scaleX, (1 -(nextValue/histMax))* 64 * scaleY);  
        pt[3] = cvPoint((i+1)*scaleX, (1 -(histValue/histMax))* 64 * scaleY);  
        pt[4] = cvPoint(i*scaleX, 64*scaleY);  
        cvFillConvexPoly(imgHist, pt, numPt, cvScalarAll(255));  
    }  
    return imgHist;  
  
  
}  
  
  
int main()  
{  
    IplImage *img = cvLoadImage("F:\\tongtong.jpg",1);  
    if(!img){  
        cout << "No data img" << endl;  
    }  
    int dims = 1;  
    int sizes = 256;  
    float range[] = {0,255};  
    float*ranges[]={range};  
    CvHistogram *hist = cvCreateHist(dims, &sizes, CV_HIST_ARRAY, ranges, 1);  
    cvClearHist(hist);          //清除直方图里面的随机值   
    IplImage *imgBlue = cvCreateImage(cvGetSize(img), 8, 1);  
    IplImage *imgGreen = cvCreateImage(cvGetSize(img), 8, 1);  
    IplImage *imgRed = cvCreateImage(cvGetSize(img), 8, 1);  
    cvSplit(img, imgBlue, imgGreen, imgRed, NULL);   //将多通道图像分解  
  
    cvCalcHist(&imgBlue, hist, 0, 0);    // 计算图像的直方图  
    IplImage *histBlue = DrawHistogram(hist);   // 将直方图中的数据画出来  
    cvClearHist(hist);  
  
    cvCalcHist(&imgGreen, hist, 0, 0);    
    IplImage *histGreen = DrawHistogram(hist);  
    cvClearHist(hist);  
    cvCalcHist(&imgRed, hist, 0, 0);  
    IplImage *histRed = DrawHistogram(hist);  
    cvClearHist(hist);  
  
    cvNamedWindow("show",0);  
    cvNamedWindow("B", 0);  
    cvNamedWindow("G", 0);  
    cvNamedWindow("R", 0);  
    cvShowImage("show",img);  
    cvShowImage("B",histBlue);  
    cvShowImage("G",histGreen);  
    cvShowImage("R", histRed);  
    cvWaitKey(0);  
    cvReleaseImage(&img);  
    cvDestroyWindow("show");  
    cvReleaseImage(&histBlue);  
    cvDestroyWindow("B");  
    cvReleaseImage(&histGreen);  
    cvDestroyWindow("G");  
    cvReleaseImage(&histRed);  
    cvDestroyWindow("R");  
    return 0;  
      
}  

运行结果：


/*这部分是后面添加的，没有另开blog进行讲解了，其实道理一样的*/下面简单介绍二维的情况：要统计一个二维直方图，二维坐标+统计值，这就是三维的结构，就会变成一个3D图像，其实不然。我们的处理技巧是将二维坐标分别作为x和y轴，而统计值作为颜色值。如代码cvRectangle(imgHist, cvPoint(i*scaleX, j*scaleY), cvPoint((i+1)*scaleX- 1, (j+1)*scaleY - 1), CV_RGB(intensity,intensity,intensity), CV_FILLED); i和j分别代表坐标，intensity即为统计值。Code：[cpp] view plain copy print?IplImage *DrawHistogram2(CvHistogram*hist, float scaleX = 1, float scaleY = 1){  // 画直方图  
    float histMax = 0;  
    cvGetMinMaxHistValue(hist, 0 , &histMax, 0, 0);  // 取得直方图中的最值  
    IplImage *imgHist = cvCreateImage(cvSize(256 * scaleX, 256*scaleY), 8, 3);  
    cvZero(imgHist); //// 清空随机值  
    for(int i = 0; i < 255; i++)  
    {  
        for(int j = 0; j < 255; j++)  
        {  
            float histValue = cvQueryHistValue_2D(hist, i, j); // 取得直方图中的i值  
            int intensity = cvRound(histValue * 255 /histMax);  
            float nextValue = cvQueryHistValue_1D(hist, i+1);  
            int numPt = 5;  
            CvPoint pt[5];  
            pt[0] = cvPoint(i*scaleX, j*scaleY);  
            pt[1] = cvPoint(i*scaleX, (j+1)*scaleY - 1);  
            pt[2] = cvPoint((i+1)*scaleX - 1, (j+1)*scaleY - 1);  
            pt[3] = cvPoint((i+1)*scaleX - 1, j*scaleY);  
            pt[4] = cvPoint(i*scaleX, j*scaleY);  
            cvFillConvexPoly(imgHist, pt, numPt, cvScalarAll(intensity));  
            //cvRectangle(imgHist, cvPoint(i*scaleX, j*scaleY), cvPoint((i+1)*scaleX - 1, (j+1)*scaleY - 1), CV_RGB(intensity,intensity,intensity), CV_FILLED);  
            // (i+1)*scaleX - 1代表下一个坐标点(i+1)*scaleX的最后一点  
        }  
    }  
    return imgHist;  
}  
  
int main()  
{  
    IplImage *img = cvLoadImage("F:\\baboon.jpg",1);  
    if(!img){  
        cout << "No data img" << endl;  
    }  
    int dims = 2;  
    int sizes[2] = {256, 256};  // 创建多大的矩阵  
    float b_range[] = {0,255};    // 矩阵的取值范围  
    float g_range[] = {0, 255};  
    float*ranges[]={b_range, g_range};  
    CvHistogram *hist = cvCreateHist(dims, sizes, CV_HIST_ARRAY, ranges, 1);  
    cvClearHist(hist);          //清除直方图里面的随机值   
    IplImage *imgBlue = cvCreateImage(cvGetSize(img), 8, 1);  
    IplImage *imgGreen = cvCreateImage(cvGetSize(img), 8, 1);  
    IplImage *imgRed = cvCreateImage(cvGetSize(img), 8, 1);  
    IplImage *planes[] = {imgBlue, imgGreen};  // 二维是这样处理的********  
    cvSplit(img, imgBlue, imgGreen, imgRed, NULL);   //将多通道图像分解  
      
    cvCalcHist(planes,hist, 0, 0);  
    IplImage *bg_image =  DrawHistogram2(hist);  
    cvNamedWindow("show",0);  
    cvShowImage("show",img);  
    cvNamedWindow("bg_image");  
    cvShowImage("bg_image",bg_image);  
    cvWaitKey(0);  
    cvReleaseImage(&img);  
    cvReleaseImage(&bg_image);  
    cvDestroyWindow("show");  
    cvDestroyWindow("bg_image");  
    return 0;  
      
}  
Result：


作者：小村长  出处：http://blog.csdn.net/lu597203933 欢迎转载或分享，但请务必声明文章出处。 （新浪微博：小村长zack, 欢迎交流！