原创 2017年12月19日 20:30:25

• 标签：
• opencv+vs /
• 直方图 /
• RGB直方图

• 576

常言道“温故而知新”，写此文章就是对自己目前学习内容的小小的总结与记录。本文力求用最简洁的语言，详细的代码将此部分内容讲解清楚，但由于博主同样是刚刚接触OpenCV，或许表达上有些瑕疵，还望读者能够指教探讨，大家共同进步。博主机器配置为：VS2013+opencv2.4.13+Win-64bit。若本文能给读者带来一点点启示与帮助，我就很开心了。====================分割线====================

1-BGR直方图

• 在OpenCV中，彩色图像存储是通过多通道的数组来实现的，对CV_8UF3来言，其每个数组通道中的元素可取值为0到255。
• 颜色分布直方图描述的是不同色彩在整幅图像中所占的比例，而并不关心每种色彩所处的空间位置。
• 因此，对彩色图像求其直方图，可先提取彩色图像的各个通道，然后对每个通道进行直方图计算，最后利用图像融合技术合并通道信息，求解出图像颜色分布直方图。

===========================分割线=========================

2-换个角度认识图像（直方图）

第一个就是当我们面对图像的时候，我们面对的是抽象的矩阵，如下图，下面是0-255的灰度图像的表示，密密麻麻的。

那么我们做的直方图，其实就是对这些像素值的统计。例如：首先，我们需要把0-255分成 17 个 区域（bin），如下图所示：

我们对每个范围中的灰度值进行统计排序，做出如下的表格：

我们是以图像的灰度为例子说明这个直方图，当然直方图不仅仅用于灰度特种统计排序，还可以用于图像的梯度、方向等特征。
灰度直方图是灰度级的函数，描述图像中该灰度级的像素个数（或该灰度级像素出现的频率）：其横坐标是灰度级，纵坐标表示图像中该灰度级出现的个数（频率）。在以上的过程中，我们使用到一些重要的参数，理解这些参数帮助我们更好的使用API函数。

• dims：需要统计的特征的数目，我们上面只统计了 灰度值这个特征，所以， dims =1。
• bins：一般翻译为箱子，看上图，一共有16个bins，其实就和我们平时见得简单函数差不多。在图像直方图中，你可以把一个灰度值设置为一个bins，0~255强度的灰度值一共就需要256个bins，是不是很简单。 
• Range：就是范围啦，规定一个bins能够达到的最大和最小的范围。比如一张图片10*10，那么就有100个像素。然后前面已经说过，直方图是按照亮度统计像素数量，那么范围就是0~100啦。这里有一个地方要说一下，刚刚0~100还是对于比较小的图像，那么对于比较大的图像1000*1000，那么范围太大了。我们统计像素数量的时候肯定没有问题，但是要画直方图的时候，难道有一个包含100000个像素，岂不是要化的很长？所以，一般在画直方图的时候，会有一个比例缩放的过程，比如我提前定好我直方图最大的高度只能够是256，那么你就可以用(最大的高度/最大的像素量)统计到的像素量来进行缩放。这样就简单多了。我这里提到的缩放方式只是一种，你可以随便定义喜欢的缩放方式。

一维直方图的结构表示为：
再结合上面画的示意图，应该就很好理解了。
基本的概念其实很简答,想的时候要不要想复杂了,那么基本概念就到这里了。===============分割线===============

3-相关函数说明

当然了，首先介绍的是计算直方图的函数了。直方图计算：calcHist()函数

[cpp] view plain copy

1. void calcHist( const Mat* images, int nimages,  
2.                           const int* channels, InputArray mask,  
3.                           OutputArray hist, int dims, const int* histSize,  
4.                           const float** ranges, bool uniform=true, bool accumulate=false );  

参数解释：

• 参数1：输入源图像。注意这里的格式是const Mat*，也就是说，你要传入一个地址，输入的数组(图片)或者数组集(一堆图片)需要为相同的深度（CV_8U或CV_32F）和相同的尺寸。
• 参数2：int类型的nimages，输入数组的个数，也就是第一个参数中存放了多少张“图像”，有几个原数组。
• 参数3：const int*类型的channels，用来计算直方图的channes的数组，需要统计的通道（dim）索引。第一个数组通道从0到images[0].channels()-1，而第二个数组通道从images[0]计算到images[0].channels()+images[1].channels()-1，以此类推。比如输入是2副图像，第一副图像有0，1，2共三个channel，第二幅图像只有0一个channel，那么输入就一共有4个channes，如果int channels[3] = {3, 2, 0}，那么就表示是使用第二副图像的第一个通道和第一副图像的第2和第0个通道来计算直方图。（这句表示没看懂）。
• 参数4：InputArray类型的mask，可选的操作掩码。如果此掩码不为空，那么它必须为8位（CV_8U）的数组，并且与images[i]有同样大小的尺寸，值为1的点将用来计算直方图。这里的非零掩码元素用于标记出统计直方图的数组元素数据。
• 参数5：OutputArray类型的hist，输出的计算出来的直方图，一个二维数组。
• 参数6：int类型dims，需要计算的直方图的维度，必须是正数，且不大于CV_MAX_DIMS。（32）
• 参数7：const int*类型的histSize，存放每个维度的直方图尺寸的数组。简单把直方图看作一个一个的竖条的话，就是每一维上竖条的个数。
• 参数8：const float**类型的ranges，表示每一个维度数组（第6个参数dims）的每一维的边界阵列，可以理解为每一维数值的取值范围。比如 float rang1[] = {0, 20}；float rang2[] = {30, 40}；  const float*rangs[] = {rang1, rang2}；那么就是对0，20和30，40范围的值进行统计。
• 参数9：bool类型的uniform，表示直方图是否均匀的标识符，即每一个竖条的宽度是否相等。有默认值true。
• 参数10：bool类型的accumulate，累计标识符，有默认值false。若其为true，直方图在配置阶段不会被清零。此功能主要是允许从多个阵列中计算单个直方图，或者用于在特定的时间更新直方图。

=====================间隔线======================
归一化：normalize()函数功能：缩放和移位数组元素，以便指定的标准（alpha）或最小（alpha）和最大（beta）数组值获得指定的值。[cpp] view plain copy

1. void normalize( InputArray src, OutputArray dst, double alpha=1, double beta=0,  
2.                              int norm_type=NORM_L2, int dtype=-1, InputArray mask=noArray());  

参数解释：

• 参数1：InputArray类型的src，输入数组（图像）。
• 参数2：OutputArray类似的dst，输出数组（图像），与输入图像类型尺寸一样。
• 参数3：alpha，表示range normalization模式的最小值。有默认值为1。
• 参数4：beta，表示range normalization模式的最大值，不用于norm normalization(范数归一化)模式。有默认值为0。
• 参数5：normType，表示归一化的类型，可以有以下的取值：

---------------NORM_MINMAX：数组的数值被平移或缩放到一个指定的范围，线性归一化，一般较常用。
---------------NORM_INF：此类型的定义没有查到，根据OpenCV 1的对应项，可能是归一化数组的C-范数(绝对值的最大值)。---------------NORM_L1：归一化数组的L1-范数(绝对值的和)。---------------NORM_L2：归一化数组的(欧几里德)L2-范数。

• 参数6：有默认值为-1。dtype为负数时，输出数组的type与输入数组的type相同；否则，输出数组与输入数组只是通道数相同，而tpye=CV_MAT_DEPTH(dtype)。
• 参数7：操作掩膜，用于指示函数是否仅仅对指定的元素进行操作。

=====================间隔线======================
绘图方法详情请看官方文档：  基本绘图=======================分割线=====================

4-代码演示

[cpp] view plain copy

1. //----------------------------------------------------------  
2. //功能：BGR三通道直方图实现  
3. //----------------------------------------------------------  
4.   
5. #include <opencv2/core/core.hpp>                          
6. #include <opencv2/highgui/highgui.hpp>                          
7. #include <opencv2/imgproc/imgproc.hpp>                         
8. #include <iostream>       
9. using namespace std;  
10. using namespace cv;  
11.   
12. int main()  
13. {  
14.     //------------【1】读取源图像并检查图像是否读取成功--------------------------------         
15.     Mat srcImage = imread("D:/OutPutResult/ImageTest/aurora.jpg");  
16.     if (!srcImage.data)  
17.     {  
18.         cout << "读取图片错误，请重新输入正确路径！\n";  
19.         system("pause");  
20.         return -1;  
21.     }  
22.     namedWindow("【源图像-RGB颜色空间】");  
23.     imshow("【源图像-RGB颜色空间】", srcImage);  
24.     //-------------【2】图像通道的分离，3个通道B、G、R------------------------  
25.     vector<Mat> rgb_channel;  
26.     split(srcImage, rgb_channel);  
27.     //-------------【3】初始化直方图计算参数---------------------------------------  
28.     int bins = 256;  
29.     int histsize[] = { bins };  
30.     float range[] = { 0, 256 };  
31.     const float* histRange = { range };  
32.     Mat  b_Hist, g_Hist, r_Hist;  
33.     //-------------【4】计算各个通道的直方图--------------------------------------  
34.     calcHist(&rgb_channel[0], 1, 0, Mat(), b_Hist, 1, histsize, &histRange, true, false); //B-通道  
35.     calcHist(&rgb_channel[1], 1, 0, Mat(), g_Hist, 1, histsize, &histRange, true, false); //G-通道  
36.     calcHist(&rgb_channel[2], 1, 0, Mat(), r_Hist, 1, histsize, &histRange, true, false); //R-通道  
37.     //-------------【5】设置直方图绘图参数----------------------------------------------------  
38.     int hist_h = 360;  
39.     int hist_w = bins * 3;  
40.     int bin_w = cvRound((double)hist_w / bins);  
41.     Mat histImage(hist_h, hist_w, CV_8UC3, Scalar(0, 0, 0));//创建一个黑底的图像，为了可以显示彩色，所以该绘制图像是一个8位的3通道图像    
42.     //-------------【6】将直方图归一化到[0,histImage.rows]  ------------------------------------------------------------------------------  
43.     normalize(b_Hist, b_Hist, 0, histImage.rows, NORM_MINMAX, -1, Mat());  //B-通道  
44.     normalize(g_Hist, g_Hist, 0, histImage.rows, NORM_MINMAX, -1, Mat());  //G-通道  
45.     normalize(r_Hist, r_Hist, 0, histImage.rows, NORM_MINMAX, -1, Mat());  //R-通道  
46.     //--------------【7】绘制直方图  ----------------------------------------------------------------  
47.     for (int i = 1; i < bins; i++)  
48.     {  
49.         //绘制B通道的直方图信息  
50.         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);  
51.         //绘制G通道的直方图信息  
52.         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);  
53.         //绘制R通道的直方图信息  
54.         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);  
55.     }  
56.     namedWindow("【RGB直方图】");  
57.     imshow("【RGB直方图】", histImage);  
58.     waitKey(0);  
59.     return 0;  
60. }  

=================================分割线======================

5-显示结果

==============================分割线================================

6-程序说明

先把源图像的通道进行分离，0-通道为B；1-通道为G；2-通道为R。然后计算每个通道的直方图并绘制显示处理。
参考文献：【拜小白opencv】44-灰度直方图（一维直方图）calcHist()函数、minMaxLoc()函数、normalize()函数
【OpenCV】绘制直方图
Opencv2系列学习笔记4(灰度直方图)
OpenCV从入门到放弃(七):直方图那些事儿
Opencv图像识别从零到精通（8）-----灰度直方图

==========================END======================版权声明：本文为博主原创文章，欢迎阅读与转载，转载请注明出处与链接。 http://blog.csdn.net/sinat_36264666/article/details/78847003

• 本文已收录于以下专栏：
• 一步步学习OpenCV2

阅读更多