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