Hist

2020-09-22

图像直方图包含图像的丰富的信息，反应了图像像素的概率分布情况。对于灰度图像f(x,y),

$r_{k}$ 表示灰度级k出现的频率，则灰度级k像素点出现的概率为：

其中N是所有的灰度级数，r是图像中得所有像素数，对概率分布 $p(k)$ 进行累计求和便得到累计归一化直方图：

灰度直方图用来描述各个灰度级像素个数出现的频率，灰度直方图的横坐标为灰度级数，从坐标则表示该灰度级出现的频率。对于灰度级范围在[0,N-1]的图像，直方图可表示为 $H(r_{k})=S_{k}$ ,对于灰度图像，其256级灰度图像可以变换到0-255。opencv中提供了一个计算灰度级直方图的函数，函数原型如下：

1）void cv::calcHist(const Mat *images,
                     int nimages,
                     const int* channels,
                     InputArray mask,
                     OutputArray hist,
                     int dims,
                     const int* histSize,
                     const float* ranges,
                     bool uniform = true,
                     bool accumulate =false)
2）void cv::calcHist(const Mat *images,
                     int nimages,
                     const int* channels,
                     InputArray mask,
                     SparseMat& hist,
                     int dims,
                     const int* histSize,
                     const float* ranges,
                     bool uniform = true,
                     bool accumulate =false)
3）void cv::calcHist(InputArrayOfArrays Images,
                     const std::vector<int>& channels,
                     InputArray mask,
                     OutputArray hist,
                     const std::vector<int>& histSize,
                     const std::vector<int>& ranges,
                     bool accumulate = false)

参数说明：
images : 表示图像列表，这些图像必须有相同的深度信息CV_8U,CV_16U或者CV_32F,并且这些图像的大小相同，这些图像可以有任意的通道数量。

nimages : 表示输入源的图像个数；

channels : 表示需要统计的图像通道索引

mask:可选掩码，如果图像不为空，则此参数必须为8位且和图像大小相同，掩码中的非零元素标记需要在直方图中计算的数组元素；

hist :输出计算得到的直方图，是一个密集或者稀疏矩阵；

dims:输出的直方图的维度，灰度为1，彩色为3，在opencv中最大为32即CV_MAX_DIMS;

histSize:直方图横坐标的区间数，支出直方图每一维大小的数组

ranges:用于住处直方图中得每一个bin的上下界的浮动范围数组的数组，对于均匀直方图而言，该数组只有两个元素；

uniform: 直方图是否均匀的标志；

accumulate: 累计标志，用于标志是否清除开始计算时直方图累计的标志。

示例代码如下：

#include <iostream>
#include <string>
#include <cmath>
#include <opencv2/opencv.hpp>
using std::sin;
using std::cos;
//使用CommandLineParser对输入的参数进行分析，获取输入的图片路径
std::string GetFileName(int argc,char* argv[])
{
    /*
    argc : the size of argv[]
    argv : the parameters of comdline
    */
    const char* key = {
    "{help h usage? || usage information}"
    "{@picture || input picture}"
    };
     cv::CommandLineParser parser(argc,argv,key);
    if (parser.has("help"))
    {
        parser.printMessage();
        exit(0);
    }
    //如果没有输入图片路径
    if (!parser.check())
    {
        parser.printErrors();
        exit(-1);
    }
    std::string fileName = parser.get<std::string>(0);
    return fileName;
}
int main(int argc,char* argv[])
{

    std::string fileName = GetFileName(argc,argv);
    cv::Mat srcImage = cv::imread(fileName);
    if (!srcImage.data)
    {
        std::cerr << "fail to load image" << std::endl;
        exit(-1);
    }
    //处理图像
    std::vector<cv::Mat> bgr_channels;
    cv::split(srcImage,bgr_channels);
    //定义直方图参数
    const int channels[1] = {0};
    const int histSize[1] = {256};
    float preranges[2] = {0,256};
    const float *ranges[1] = {preranges};
    cv::MatND b_hist,g_hist,r_hist;
    //calchist
    cv::calcHist(&bgr_channels[0],1,channels,cv::Mat(),b_hist,1,histSize,ranges,true,false);
    cv::calcHist(&bgr_channels[1],1,channels,cv::Mat(),g_hist,1,histSize,ranges,true,false);
    cv::calcHist(&bgr_channels[2],1,channels,cv::Mat(),r_hist,1,histSize,ranges,true,false);
    //画出直方图
    int hist_w = 500;
    int hist_h = 500;
    int nHistSize = 256;
    //ranges
    int bin_w = cvRound((double)hist_w/nHistSize);
    cv::Mat histImage(hist_w,hist_h,CV_8UC3,cv::Scalar(0,0,0));
    cv::normalize(b_hist,b_hist,0,histImage.rows,cv::NORM_MINMAX,-1,cv::Mat());
    cv::normalize(g_hist,g_hist,0,histImage.rows,cv::NORM_MINMAX,-1,cv::Mat());
    cv::normalize(r_hist,r_hist,0,histImage.rows,cv::NORM_MINMAX,-1,cv::Mat());
    //dims
    for(int i=1;i < nHistSize;i++)
    {
        cv::line(histImage,cv::Point(bin_w*(i-1),hist_h - cvRound(b_hist.at<float>(i-1))),
                  cv::Point(bin_w*(i),hist_h - cvRound(b_hist.at<float>(i))),
                  cv::Scalar(255,0,0),2,8,0);
        cv::line(histImage,cv::Point(bin_w*(i-1),hist_h - cvRound(g_hist.at<float>(i-1))),
                  cv::Point(bin_w*(i),hist_h - cvRound(g_hist.at<float>(i))),
                  cv::Scalar(0,255,0),2,8,0);
        cv::line(histImage,cv::Point(bin_w*(i-1),hist_h - cvRound(r_hist.at<float>(i-1))),
                  cv::Point(bin_w*(i),hist_h - cvRound(r_hist.at<float>(i))),
                  cv::Scalar(0,0,255),2,8,0);
    }
    cv::imshow("hist",histImage);
    cv::imshow("srcImage",srcImage);
    cv::waitKey(0);
    cv::destroyAllWindows();
    return 0;
}

结果如图：