计算机视觉|opencv学习笔记之绘制图像直方图计算机视觉|opencv

文章目录

前言
一、图像直方图
- - - 统计灰度值数目的calcHist（）函数原型：

前言记录学习opencv中有关图像直方图绘制的方法
一、图像直方图图像直方图是对图像的像素进行统计，不受到图像的旋转和平移等效果。
图像直方图具有平移不变性、放缩不变性等优点，可以用来查看图像整体的变化形式，比如图像是否过暗、图像像素灰度值主要集中在哪些范围。同时在对数字的识别当中，图像直方图也会发挥显著的作用。
图像直方图的横轴为图像的灰度值作为横轴，以灰度值的个数和比例作为纵轴去绘制统计图。
灰度值的分布一般反应了图像的亮暗对比度，可以依据直方图的结果去调增亮暗对比度，并依此调整图像的亮暗程度。
统计灰度值数目的calcHist（）函数原型：

void 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)

images：待统计直方图的图像数组，数组中所有的图像应具有相同的尺寸和数据类型，并且数据类型只能是CV_8U、CV_16U和CV_32F这3种中的一种
nimages：输入图像的数量
channels：需要统计的通道索引数组，第一个图像的通道索引从0到images[0].channels()-1
mask：可选的操作掩码。如果是空矩阵，那么表示图像中所有位置的像素都计入直方图中
hist：输出的统计直方图结果，是一个dims维度的数组
dims：需要计算直方图的维度，必须是整数，并且不能大于CV_MAX_DIMS
hitsSize：存放每个维度直方图的数组的尺寸
【计算机视觉|opencv学习笔记之绘制图像直方图】ranges：每个图像通道中灰度值的取值范围
uniform：直方图是否均匀的标志符，默认状态下为均匀（true）
accumulate：是否累积统计直方图的，累积为true
示例程序：

#include//加载OpenCV4的头文件 #include #include using namespace std; using namespace cv; //OpenCV命名空间int main() { Mat img = imread("apple.jpg"); if (img.empty()) { cout << "请确认图像文件名称是否正确" << endl; return -1; } Mat gray; cvtColor(img, gray, COLOR_RGB2GRAY); //设置提取直方图的相关变量 Mat hist; //用于存放直方图计算结果 const int channels[1] = { 0 }; //通道索引 float inRanges[2] = { 0,255 }; const float* ranges[1] = { inRanges }; //像素灰度值范围 const int bins[1] = { 256 }; //直方图的维度，其实就是像素灰度值的最大值 calcHist(&gray, 1, channels, Mat(), hist, 1, bins, ranges); //计算图像直方图 //准备绘制直方图 int hist_w = 512; int hist_h = 400; int width = 2; Mat histImage = Mat::zeros(hist_h, hist_w, CV_8UC3); for (int i = 1; i <= hist.rows; i++) { rectangle(histImage, Point(width*(i - 1), hist_h - 1), Point(width*i - 1, hist_h - cvRound(hist.at(i - 1) / 15)), Scalar(255, 255, 255), -1); } namedWindow("histImage", WINDOW_AUTOSIZE); imshow("histImage", histImage); imshow("gray", gray); waitKey(0); return 0; //程序结束 }

histImage：