【学习OpenCV4】什么是图像的直方图？如何获取直方图？

一、什么是图像直方图

  图像直方图是图像像素值的统计学特征、计算代价较小，具有图像平移、旋转、缩放不变性等众多优点，广泛地应用于图像处理的各个领域，特别是灰度图像的阈值分割、基于颜色的图像检索以及图像分类、反向投影跟踪。常见的分为灰度直方图和颜色直方图。

  简单来说，图像对计算机来说就是一个一个像素点的数值，像素值又有一定的取值范围，所以我们可以统计出来这些像素值出现的频率，统计结果就是一个直方图。

  对图像进行平移、旋转等操作后，图像的直方图信息不会变化。因此即使两张图像的直方图完全一样，图像有可能不是同一个图像。

二、如何计算图像直方图

OpenCV中提供了如下的函数用于计算图像的直方图：

void calcHist(
		const Mat* 		images,			//源图像组
		int 			nimages,		//源图像组图像个数
		const int* 		channels,		//图像信道
		InputArray 		mask,			//可选的掩码，如果不为空，则必须是8-bit数组，而且大小和原图像相同
		OutputArray 	hist,			//输出直方图数组
		int 			dims,			//处理直方图的维数正数
		const int* 		histSize,		//每一维的直方图的尺寸大小
		const float** 	ranges,			//直方图每一维的数据大小范围
		bool 			uniform=true,
		bool		 	accumulate=false
);

示例程序如下：

void MyDemo::histShow_Demo(Mat& image) {
	// 三通道分离，用于分别绘制三个通道的直方图
	std::vector<Mat> bgr_plane;
	split(image, bgr_plane);
	// 定义参数变量
	const int channels[1] = { 0 };
	const int bins[1] = { 256 };
	float hranges[2] = { 0,255 };
	const float* ranges[1] = { hranges };
	Mat b_hist;
	Mat g_hist;
	Mat r_hist;
	// 计算Blue, Green, Red通道的直方图
	calcHist(&bgr_plane[0], 1, 0, Mat(), b_hist, 1, bins, ranges);
	calcHist(&bgr_plane[1], 1, 0, Mat(), g_hist, 1, bins, ranges);
	calcHist(&bgr_plane[2], 1, 0, Mat(), r_hist, 1, bins, ranges);

	// 显示直方图
	int hist_w = 512;
	int hist_h = 400;
	int bin_w = cvRound((double)hist_w / bins[0]);
	Mat histImage = Mat::zeros(hist_h, hist_w, CV_8UC3);
	// 归一化直方图数据
	normalize(b_hist, b_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat());
	normalize(g_hist, g_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat());
	normalize(r_hist, r_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat());
	// 绘制直方图曲线
	for (int i = 1; i < bins[0]; i++) {
		line(histImage, Point(bin_w * (i - 1), hist_h - cvRound(b_hist.at<float>(i - 1))),
			Point(bin_w * (i), hist_h - cvRound(b_hist.at<float>(i))), Scalar(255, 0, 0), 2, 8, 0);
		line(histImage, Point(bin_w * (i - 1), hist_h - cvRound(g_hist.at<float>(i - 1))),
			Point(bin_w * (i), hist_h - cvRound(g_hist.at<float>(i))), Scalar(0, 255, 0), 2, 8, 0);
		line(histImage, Point(bin_w * (i - 1), hist_h - cvRound(r_hist.at<float>(i - 1))),
			Point(bin_w * (i), hist_h - cvRound(r_hist.at<float>(i))), Scalar(0, 0, 255), 2, 8, 0);
	}
	// 显示直方图
	namedWindow("Histogram Demo", WINDOW_AUTOSIZE);
	imshow("Histogram Demo", histImage);
}

三、二维直方图

  我们知道RGB虽然有三个通道，但转到HSV色彩空间中只有H和S表示颜色，而V表示亮度。因此要表示一个图像的颜色只有两个维度H和S，因此可以组成一个平面的直方图形式。

  二维直方图的计算调用函数与一维直方图相同，使用的方法如下：

void MyDemo::histShow2_Demo(Mat& image) {
	// 2D 直方图
	Mat hsv, hs_hist;
	cvtColor(image, hsv, COLOR_BGR2HSV);	//RGB转HSV
	int hbins = 30, sbins = 32;				//设置二维直方图的直方个数
	int hist_bins[] = { hbins, sbins };
	float h_range[] = { 0, 180 };			//H：0-180
	float s_range[] = { 0, 256 };			//S：0-256
	const float* hs_ranges[] = { h_range, s_range };
	int hs_channels[] = { 0, 1 };			//选择通道0和通道1
	calcHist(&hsv, 1, hs_channels, Mat(), hs_hist, 2, hist_bins, hs_ranges, true, false);

	//进行归一化
	double maxVal = 0;
	minMaxLoc(hs_hist, 0, &maxVal, 0, 0);	//找到最大值
	int scale = 10;
	Mat hist2d_image = Mat::zeros(sbins * scale, hbins * scale, CV_8UC3);
	for (int h = 0; h < hbins; h++) {
		for (int s = 0; s < sbins; s++)
		{
			float binVal = hs_hist.at<float>(h, s);
			int intensity = cvRound(binVal * 255 / maxVal);
			rectangle(hist2d_image, Point(h * scale, s * scale),
				Point((h + 1) * scale - 1, (s + 1) * scale - 1),
				Scalar::all(intensity),
				-1);
		}
	}
	applyColorMap(hist2d_image, hist2d_image, COLORMAP_JET);
	imshow("H-S Histogram", hist2d_image);
}