opencv笔记（十一）——灰度直方图

一、灰度直方图

c++的原型函数：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 )；

参数详解：

 images：输入的图像的指针，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。

nimages：输入图像的个数

 channels：需要统计直方图的第几通道。用来计算直方图的channes的数组。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。

mask：掩膜，如果mask不为空，那么它必须是一个8位（CV_8U）的数组，并且它的大小的和arrays[i]的大小相同，值为1的点将用来计算掩膜内的直方图  ...Mat()

hist:输出的直方图数组

dims：需要统计直方图通道的个数

histSize：指的是直方图分成多少个区间，就是 bin的个数。在每一维上直方图的个数。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。

const float** ranges： 统计像素值得区间。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。

uniform=true::是否对得到的直方图数组进行归一化处理

accumulate=false：在多个图像时，是否累计计算像素值得个数

#include
#include
#include
#include
 
using namespace std;
using namespace cv;
 
//求一幅灰度图像的直方图图像，返回的是直方图图像
Mat getHistograph(const Mat grayImage);
 
int main(int argc,char* argv[])
{
	//加载图像
	Mat image;
	image=imread("lena.bmp",IMREAD_COLOR);
	//判断是否为空
	if(image.empty())
	{
		cerr<<""<(i,0));
		//如果bin数目为0，则说明图像上没有该灰度值，则整列为黑色
		//如果图像上有该灰度值，则将该列对应个数的像素设为白色
		if(temp)
		{
			//由于图像坐标是以左上角为原点，所以要进行变换，使直方图图像以左下角为坐标原点
			histImage.col(i).rowRange(Range(rows-temp,rows))=255; 
		}
	}
	//由于直方图图像列高可能很高，因此进行图像对列要进行对应的缩减，使直方图图像更直观
	Mat resizeImage;
	resize(histImage,resizeImage,Size(256,256));
	return resizeImage;
}

实验结果：

如果对求的直方图图像不进行resize(列太高了)，结果为：

参考：https://blog.csdn.net/sydnash/article/details/7451039

https://blog.csdn.net/Quincuntial/article/details/50158717

Mat格式和cv格式下的区别 http://lib.csdn.net/article/opencv/28578