图像处理学习笔记之直方图的计算与绘制

图像直方图包含丰富的图像细节信息，反映了图像像素点的概率分布情况，它统计了每一个强度值具有的像素个数。灰度级范围是[0,L-1]的数字图像的直方图是离散函数h(rk)=nk,其中是rk第k级灰度值，nk是图像中灰度为rk的像素个数。在实践中，经常用乘积MN表示的图像像素总数除它的每个分量来归一化直方图，M、N是图像的行列数。因此归一化后的直方图由p(rk)=nk/MN给出。直方图的横坐标表示灰度级，纵坐标表示图像中该灰度级出现的次数（频率）。
一般来说，在暗图像中，直方图的分量集中在灰度级较低的一侧。亮图像的直方图分量集中在灰度级值较高的一侧。低对比度的图像具有较窄的直方图，且集中于灰度级的中部。高对比度的图像中直方图的分量覆盖了很宽的灰度级范围。





图1 亮图像及其灰度直方图





图2 暗图像及其灰度直方图





图3 高对比度图像及其灰度直方图





图4 低对比度图像及其灰度直方图
opencv中提供了calchist函数用于计算图像的直方图。其声明如下：
void calcHist(const Mat* arrays, int narrays, const int* channels, InputArray mask, OutputArray hist,
int dims, const int* histSize, const float** ranges, bool uniform=true, bool accumulate=false )；

arrays：源输入图像数组，可以是多幅图像，所有的图像必须有同样的深度（CV_8U or CV_32F），同时一副图像可以有多个channes。

narrays：源输入数组中的元素个数

channels：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

mask：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;

hist：输出直方图，是一个稠密或者稀疏的dims维的数组

dims：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);

histSize：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

ranges：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

uniform：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】

accumulate：累加标

int main()
{
Mat src, dst;
src = imread("1.jpg");
if (!src.data)
{
return -1;
}
/// 通道分离
vector<Mat> bgr_planes;
split(src, bgr_planes);
int histSize = 256;
/// 设置范围
float range[] = { 0, 256 };
const float* histRange = { range };
bool uniform = true; bool accumulate = false;
Mat b_hist, g_hist, r_hist;
/// 计算直方图:
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);
// 创建画布
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));
/// 归一化到 [ 0, histImage.rows ]
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());
/// 画直方图
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", CV_WINDOW_AUTOSIZE);
imshow("calcHist Demo", histImage);
waitKey(0);
return 0;
}