024-Opencv笔记-直方图计算

直方图概念不仅是基于图像像素值，其实对图像梯度、每个像素的角度、等一切图像的属性值，我们都可以建立直方图。这个才是直方图的概念真正意义，不过是基于图像像素灰度直方图是最常见的。
直方图最常见的几个属性：

• dims 表示维度，对灰度图像来说只有一个通道值dims=1
• bins 表示在维度中子区域大小划分，bins=256，划分为256个级别
• range 表示值得范围，灰度值范围为[0~255]之间

split(// 把多通道图像分为多个单通道图像
const Mat &src, //输入图像
Mat* mvbegin）// 输出的通道图像数组

calcHist(
const Mat* images,//输入图像指针
int images,// 图像数目
const int* channels,// 通道数
InputArray mask,// 输入mask，可选，不用
OutputArray hist,//输出的直方图数据
int dims,// 维数
const int* histsize,// 直方图级数
const float* ranges,// 值域范围
bool uniform,// true by default
bool accumulate// false by defaut
)

归一化数据。该函数分为范围归一化与数据值归一化。（Normalizes the norm or value range of an array.）
参数说明
src 输入数组；
dst 输出数组，数组的大小和原数组一致；
alpha 1,用来规范值，2.规范范围，并且是下限；
beta 只用来规范范围并且是上限；//为0时则为值归一化，否则为范围归一化
norm_type 归一化选择的数学公式类型；
dtype 当为负，输出在大小深度通道数都等于输入，当为正，输出只在深度与输如不同，不同的地方游dtype决定；
mark 掩码。选择感兴趣区域，选定后只能对该区域进行操作。

#include "pch.h"
#include <opencv2/opencv.hpp>
#include <iostream>
#include <math.h>

using namespace std;
using namespace cv;

int main(int argc, char** argv) {
    Mat src = imread("D:/girl.jpg");
    if (!src.data) {
        printf("could not load image...\n");
        return -1;
    }
    char INPUT_T[] = "input image";
    char OUTPUT_T[] = "histogram demo";
    namedWindow(INPUT_T, CV_WINDOW_AUTOSIZE);
    namedWindow(OUTPUT_T, CV_WINDOW_AUTOSIZE);
    imshow(INPUT_T, src);

    // 分通道显示
    vector<Mat> bgr_planes;
    split(src, bgr_planes);
    imshow("single channel 0", bgr_planes[0]);
    imshow("single channel 1", bgr_planes[1]);
    imshow("single channel 2", bgr_planes[2]);

    // 计算直方图
    int histSize = 256;
    float range[] = { 0, 256 };
    const float *histRanges = { range };
    Mat b_hist, g_hist, r_hist;
    calcHist(&bgr_planes[0], 1, 0, Mat(), b_hist, 1, &histSize, &histRanges, true, false);
    calcHist(&bgr_planes[1], 1, 0, Mat(), g_hist, 1, &histSize, &histRanges, true, false);
    calcHist(&bgr_planes[2], 1, 0, Mat(), r_hist, 1, &histSize, &histRanges, true, false);



    // 归一化  这样直方图中的值就被缩放到指定范围(0-400)
    int hist_h = 400;
    int hist_w = 512;
    int bin_w = hist_w / histSize;
    Mat histImage(hist_w, hist_h, CV_8UC3, Scalar(0, 0, 0));
    normalize(b_hist, b_hist, 0, hist_h, NORM_MINMAX, -1, Mat());
    normalize(g_hist, g_hist, 0, hist_h, NORM_MINMAX, -1, Mat());
    normalize(r_hist, r_hist, 0, hist_h, NORM_MINMAX, -1, Mat());

    // render histogram chart | 渲染直方图
    for (int i = 1; i < histSize; i++) {
    //前一个像素点和后一个像素点连接的线
        line(histImage, Point((i - 1)*bin_w, hist_h - cvRound(b_hist.at<float>(i - 1))), 
            Point((i)*bin_w, hist_h - cvRound(b_hist.at<float>(i))), Scalar(255, 0, 0), 2, CV_AA);

        line(histImage, Point((i - 1)*bin_w, hist_h - cvRound(g_hist.at<float>(i - 1))),
            Point((i)*bin_w, hist_h - cvRound(g_hist.at<float>(i))), Scalar(0, 255, 0), 2, CV_AA);

        line(histImage, Point((i - 1)*bin_w, hist_h - cvRound(r_hist.at<float>(i - 1))),
            Point((i)*bin_w, hist_h - cvRound(r_hist.at<float>(i))), Scalar(0, 0, 255), 2, CV_AA);
    }
    imshow(OUTPUT_T, histImage);

    waitKey(0);
    return 0;
}

分通道后的效果
效果图