OpenCvSharp 学习笔记24--直方图均计算

一，直方图概念深入：

先看一副官方图片：

假设有一副图片，以及像素值（上图左）。把像素值分为不同的等级，每个等级称为bin。如图把直方图分为16个等级。每个等级包含不同的像素值范围（像素值最大255）。然后统计每个bin中像素出现的频率。
一副灰度图像的像素范围按照上面的划分如下：

[ 0 ~ 255]=[0 ~ 15] $\bigcup$ [16 ~ 31] $\bigcup$ [ 32 ~ 47] $\bigcup$ … …$\bigcup$ [240 ~ 255]

$range=bi{n}_1\bigcup bi{n}_2\bigcup bi{n}_3......\bigcup bi{n}_{16}$

• 上述直方图概念是基于图像像素值，其实我们对图像的梯度，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的真正意义。不过基于图像像素值灰度直方图是最长见的。
• 直方图常见的属性：
  1：dims:表示维度，对于灰度图像(单通道)来说只有一个通道值 (dims=1)
  2：bins:表示在维度中子区域大小划分，bins=255，划分为 255 个等级。
  3：range：表示像素值的范围，灰度值范围在 0 ~ 255 之间。

二，API：

Cv2.Split() 将多通道阵列的每个平面复制到专用阵列 （如：分割图像(把三通道分割为3个单通道)）
返回值为：Mat[] （数组的数量必须与mtx.channels()匹配。如果需要，将重新分配数组本身）

参数	描述
Mat src	The source multi-channel array（源多通道阵列）

Cv2.CalcHist(): 计算一组图像的联合密集直方图。有一个重载方法
方法1：

参数	描述
Mat[] images	输入单通道图像集合
int[] channels	图像在集合中对应的通道 ： 0 ~ 2 之间 （0，1，2）
InputArray mask	掩膜 输入的InputArray 对象，可以为空，或者输入对应 images[i],要与通道对应
OutputArray hist	输出计算后的直方图 OutputArray对象。
int dims	维度 ，单通道为 1
int[] histSize	直方图的级数，就是把像素分为几个等级。像素大小在 0 ~ 255之间，如果全部输出就是 256个等级。
float[][] ranges	值域的范围。
bool uniform = true	是否规范化。（每个bins大小取值等级一致，默认为true）
bool accumulate = false	是否累加（多通道的需要，默认值为 false）

方法2：

参数	描述
Mat[] images	输入单通道图像集合
int[] channels	图像在集合中对应的通道 ： 0 ~ 2 之间 （0，1，2）
InputArray mask	掩膜对象 输入的InputArray 对象，可以为空，或者输入对应 images[i],要与通道对应
OutputArray hist	输出计算后的直方图 OutputArray对象。
int dims	维度 ，单通道为 1
int[] histSize	直方图的级数，就是把像素分为几个等级。像素大小在 0 ~ 255之间，如果全部输出就是 256个等级。
Rangef[] ranges	值域的范围。
bool uniform = true	是否规范化。（每个bins大小取值等级一致，默认为true）
bool accumulate = false	是否累加（多通道的需要，默认值为 false）

三，代码：

/// 

        /// 直方图计算
        /// 
        /// 
        private static void HistogramCalculation(string path)
        {
            using (Mat src = new Mat(path, ImreadModes.AnyColor | ImreadModes.AnyDepth))
            using (Mat histogram = new Mat())
            {
                //计算直方图
                Mat[] mats = Cv2.Split(src); //分割图像(把三通道分割为3个单通道)
                Mat hist_B = new Mat();
                Mat hist_G = new Mat();
                Mat hist_R = new Mat();

                int[] channels0 = { 0 };
                int[] channels1 = { 1 };
                int[] channels2 = { 2 };
                int[] histSize = { 256 };


                Rangef[] rangefs = new Rangef[]
                {
                    new Rangef(0, 256),
                };

                //
                // 摘要:
                //     computes the joint dense histogram for a set of images.
                //      计算一组图像的联合密集直方图。
                // 参数:
                //   images: 输入单通道图像集合，
                //
                //   channels: 图像在集合中对应的通道 ： 0 ~ 2 之间
                //
                //   mask:    输入的InputArray 对象，可以为空，或者输入对应 images[i],要与通道对应
                //
                //   hist:   输出计算后的直方图 OutputArray对象。
                //
                //   dims:   维度 ，单通道为 1
                //
                //   histSize: 直方图的级数，就是把像素分为几个等级。像素大小在 0 ~ 255之间，如果全部输出就是 256个等级。
                //
                //   ranges: 值域的范围。
                //
                //   uniform: 布尔值
                //
                //   accumulate: 布尔值
                Cv2.CalcHist(mats, channels0, new Mat(), hist_B, 1, histSize, rangefs, true, false);
                Cv2.CalcHist(mats, channels1, new Mat(), hist_G, 1, histSize, rangefs, true, false);
                Cv2.CalcHist(mats, channels2, new Mat(), hist_R, 1, histSize, rangefs, true, false);



                int high = 400;
                int width = 512;
                int bin_w = width / 256;//每个bins的宽度  画布的宽度除以bins的个数
                Mat histImage = new Mat(width, high, MatType.CV_8UC3, new Scalar(0, 0, 0)); //定义一个Mat对象，相当于一个画布

                //归一化，像素值有可能数据量很大，压缩一下。是范围在定义画布的范围内。

                //
                // 摘要:
                //     scales and shifts array elements so that either the specified norm (alpha) or
                //     the minimum (alpha) and maximum (beta) array values get the specified values
                //      缩放和移动数组元素，使指定的范数(alpha)或最小(alpha)和最大(beta)数组值得到指定的值
                // 参数:
                //   src:
                //     The source array 源数据
                //
                //   dst:
                //     The destination array; will have the same size as src 目标数组;会和src一样大
                //
                //   alpha:
                //     The norm value to normalize to or the lower range boundary in the case of range
                //     normalization
                //      在范围的情况下，要规格化到或较低范围边界的范数值归一化
                //   beta:
                //     The upper range boundary in the case of range normalization; not used for norm
                //     normalization
                //      距离归一化情况下的上范围边界;不用于规范标准化
                //   normType:
                //     The normalization type  归一化类型
                //
                //   dtype:
                //     When the parameter is negative, the destination array will have the same type
                //     as src, otherwise it will have the same number of channels as src and the depth
                //     =CV_MAT_DEPTH(rtype)
                //      当参数为负时，目标数组将具有与src相同的类型，否则它将具有与src相同的通道数量，并且depth =CV_MAT_DEPTH(rtype)
                //   mask:
                //     The optional operation mask 可选操作掩码
                Cv2.Normalize(hist_B, hist_B, 0, histImage.Rows, NormTypes.MinMax, -1, null);
                Cv2.Normalize(hist_G, hist_G, 0, histImage.Rows, NormTypes.MinMax, -1, null);
                Cv2.Normalize(hist_R, hist_R, 0, histImage.Rows, NormTypes.MinMax, -1, null);

                //绘制直方图

                for (int i = 1; i < 256; i++)//遍历直方图的级数
                {
                    //B 画线，一条线有两个点组成。首先确定每个点的坐标(x,y) .遍历从1开始。0 ~ 1 两个点组成一条线，依次类推。
                    Cv2.Line(histImage, new Point(bin_w * (i - 1), high - Math.Round(hist_B.At(i - 1))), new Point(bin_w * (i - 1), high - Math.Round(hist_B.At(i))), new Scalar(255, 0, 0), 1, LineTypes.AntiAlias);

                    //G
                    Cv2.Line(histImage, new Point(bin_w * (i - 1), high - Math.Round(hist_G.At(i - 1))), new Point(bin_w * (i - 1), high - Math.Round(hist_G.At(i))), new Scalar(0, 255, 0), 1, LineTypes.AntiAlias);

                    //R
                    Cv2.Line(histImage, new Point(bin_w * (i - 1), high - Math.Round(hist_R.At(i - 1))), new Point(bin_w * (i - 1), high - Math.Round(hist_R.At(i))), new Scalar(0, 0, 255), 1, LineTypes.AntiAlias);

                }
                using (new Window("SRC", WindowMode.Normal, src))
                using (new Window("histImage", WindowMode.Normal, histImage))
                {
                    Cv2.WaitKey(0);
                }

            }

        }

输出结果图：