本文档尝试解答如下问题:
Note
在上一篇中 (直方图均衡化) 我们介绍了一种特殊直方图叫做 图像直方图 。现在我们从更加广义的角度来考虑直方图的概念,继续往下读!
直方图是对数据的集合 统计 ,并将统计结果分布于一系列预定义的 bins 中。
这里的 数据 不仅仅指的是灰度值 (如上一篇您所看到的), 统计数据可能是任何能有效描述图像的特征。
先看一个例子吧。 假设有一个矩阵包含一张图像的信息 (灰度值 ):
如果我们按照某种方式去 统计 这些数字,会发生什么情况呢? 既然已知数字的 范围 包含 256 个值, 我们可以将这个范围分割成子区域(称作 bins), 如:
然后再统计掉入每一个 的像素数目。采用这一方法来统计上面的数字矩阵,我们可以得到下图( x轴表示 bin, y轴表示各个bin中的像素个数)。
以上只是一个说明直方图如何工作以及它的用处的简单示例。直方图可以统计的不仅仅是颜色灰度, 它可以统计任何图像特征 (如 梯度, 方向等等)。
让我们再来搞清楚直方图的一些具体细节:
怎样去统计两个特征呢? 在这种情况下, 直方图就是3维的了,x轴和y轴分别代表一个特征, z轴是掉入 组合中的样本数目。 同样的方法适用于更高维的情形 (当然会变得很复杂)。
OpenCV提供了一个简单的计算数组集(通常是图像或分割后的通道)的直方图函数 calcHist 。 支持高达 32 维的直方图。下面的代码演示了如何使用该函数计算直方图!
本程序做什么?
下载代码: 点击 这里
代码一瞥:
创建一些矩阵:
装载原图像
使用OpenCV函数 split 将图像分割成3个单通道图像:
输入的是要被分割的图像 (这里包含3个通道), 输出的则是Mat类型的的向量。
现在对每个通道配置 直方图 设置, 既然我们用到了 R, G 和 B 通道, 我们知道像素值的范围是
设定bins数目 (5, 10...):
设定像素值范围 (前面已经提到,在 0 到 255之间 )
我们要把bin范围设定成同样大小(均一)以及开始统计前先清除直方图中的痕迹:
最后创建储存直方图的矩阵:
下面使用OpenCV函数 calcHist 计算直方图:
参数说明如下:
创建显示直方图的画布:
在画直方图之前,先使用 normalize 归一化直方图,这样直方图bin中的值就被缩放到指定范围:
该函数接受下列参数:
请注意这里如何读取直方图bin中的数据 (此处是一个1维直方图):
最后显示直方图并等待用户退出程序:
使用下图作为输入图像:
产生以下直方图: