opencv图像的直方图，二维直方图，直方图均衡化
文章目录
-
- opencv图像的直方图，二维直方图，直方图均衡化
-
- 一、图像的直方图
-
- 1、什么是图像的直方图：
- 2、直方图的作用：
- 3、如何绘制图像的直方图：
-
- （1）cv::calcHist()函数原型：英文单词 calculator histogram
- （2）代码示例：
-
- cv::cvRound()函数：将浮点数值四舍五入为最接近的整数；
- 灰度图像直方图：
- 彩色图像直方图：
- 二、二维直方图
-
- 1、什么是二维直方图：
- 2、二维直方图与直方图有哪些不同：
- 3、二维直方图的作用：
- 4、如何绘制二维直方图：
- 三、直方图均衡化
-
- 1、直方图均衡化的原理：
- 2、opencv中，可以使用 `cv::equalizeHist()`函数来实现直方图均衡化：
-
- （1）cv::equalizeHist()函数原型：
- （2）代码示例：
-
- 灰度直方图均衡化：
- 彩色直方图均衡化：
opencv图像的直方图，二维直方图，直方图均衡化
一、图像的直方图
1、什么是图像的直方图：
- 要理解直方图，绕不开“亮度”这个概念，人们把亮度分为0到255共256个数值，数值越大，代表的亮度越高，其中0代表纯黑色，最暗区域，255表示最亮，纯白色，而中间的数字就是不同亮度的灰色；
- 图像的直方图是一种统计图，它显示了图像中各个灰度级别的分布情况(也就是统计一幅图某个亮度像素的数量)，通常它的横轴代表像素的灰度级别（从0到255），而纵轴代表该灰度级别在图像中出现的频次或概率；
2、直方图的作用：
- 可视化图像亮度分布：直方图能够帮助我们直观地了解图像的亮度分布情况，从而为图像处理提供重要参考；
- 对比度调整：通过观察直方图，我们可以确定图像的对比度是否合适，从而决定是否需要进行对比度调整；
- 灰度级别选择：直方图可以帮助我们选择合适的灰度级别，以使图像的细节更加清晰；
3、如何绘制图像的直方图：
在opencv中，可以使用
cv::calcHist()函数来计算图像的直方图，这个函数可以接受一个通道的图像(灰度图像)或多个通道的图像(彩色图像)；
（1）cv::calcHist()函数原型：英文单词 calculator histogram
void cv::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
);
参数解释：
images：输入图像，可以是单通道或多通道图像；
nimages：输入图像的个数(可以输入多张图像)；
channels：需要统计直方图的第几通道，比如{0}表示统计第一个通道，{0, 1, 2}表示统计所有三个通道；
mask：掩膜，用于指定计算直方图的区域(必须是一个8位(CV_8U)的数组并且和images的数组大小相同)；
hist：输出的直方图数组，calcHist函数只是计算直方图的数据，直方图数据需要一个cv::Mat类型的变量来存储；
dims：输出直方图的维度(
由channels值决定dims的数值，比如int channels[] = { 0 }则dims=1，int channels[] = { 0, 1 }则dims=2；
对于灰度图像dims为1，因为我们只考虑了一个通道(亮度通道)；
对于彩色图像，通常会考虑多个通道，比如在HSV色彩空间中，dims为2(H和S两个通道)
)；
histSize：指的是直方图横坐标分成多少个区间，就是bin的个数(用于控制直方图的精细度)；
把直方图横坐标ranges分成histSize个区间(比如ranges=180，histSize=30，则横坐标被分成了30个小竖条，每个小竖条的长度为6);
ranges：横轴代表像素的灰度级别，ranges相当于横坐标的取值范围(
对于灰度图像，单通道只有1个range，灰度级别的范围从0到255(
int bins = 256; // X轴被分成了256个小区间
int histSize[] = { bins }; // histSize只有1个bins
float xRanges[] = { 0, 256 }; // X轴的取值范围
const float* ranges[] = { xRanges }; // ranges只有1个
)；
对于彩色图像有多个通道就有多个range，对于每个通道，ranges指定了取值范围，通常在彩色图像中，H(色相)的范围是0到180，S(饱和度)和V(明度)的范围是0到255(
// H通道X轴被分成了30个小区间，S通道X轴被分成了32个小区间
int hueBins = 30, satBins = 32;
int histSize[] = { hueBins, satBins }; // histSize有2个bins
float hueRanges[] = { 0, 180 }; // H通道X轴的取值范围
float satRanges[] = { 0, 256 }; // S通道X轴的取值范围
const float* ranges[] = { hueRanges, satRanges }; // ranges有2个
)；
)；
uniform：是否对得到的直方图数组进行归一化处理；
accumulate：在多个图像时，是否累积计算像素值的个数；
（2）代码示例：
cv::cvRound()函数：将浮点数值四舍五入为最接近的整数；
// 函数在图像处理过程中经常用于处理像素值，特别是当需要将浮点数转换为整数时，可以保留最接近的整数值
int cvRound(double value)
参数解释：
value：待四舍五入的浮点数；
灰度图像直方图：
#include 运行结果：
彩色图像直方图：
对于彩色图像，你可以分别计算其颜色通道(蓝色、绿色、红色)的直方图，或者将其转换为灰度图像后计算整体的亮度直方图；
在这个示例中，我们首先读取了一个彩色图像，然后使用 cv::split() 函数将图像分离成蓝色、绿色和红色通道，接着，我们分别计算了每个通道的直方图，最后我们绘制了各个通道的直方图并显示了原始图像和直方图；
#include 运行结果：
二、二维直方图
1、什么是二维直方图：
二维直方图是对彩色图像进行分析时的一个重要工具，与一维直方图不同，它同时考虑了两个通道的信息，通常是颜色空间中的两个分量，例如在HSV色彩空间中的H(色相)和S(饱和度)；
2、二维直方图与直方图有哪些不同：
- 维度：直方图是一维的，它只考虑了图像的亮度或色彩信息；而二维直方图考虑了两个通道的信息，因此是二维的；
- 通道：直方图通常只针对一个通道(灰度图只有亮度通道)；而二维直方图可以同时考虑多个通道，通常是颜色空间中的两个分量；
3、二维直方图的作用：
- 颜色分布分析：通过二维直方图，我们可以了解图像中各个颜色组合的分布情况，有助于理解图像的颜色特性；
- 图像分割与对象识别：在图像分割和对象识别任务中，二维直方图可用于将图像的颜色特征映射到特定的空间，从而实现对图像中的对象进行定位和识别；
- 颜色调整与匹配：通过分析二维直方图，我们可以进行颜色调整，使图像的颜色分布更加符合预期；
4、如何绘制二维直方图：
首先读取了一个彩色图像，然后将其从BGR颜色空间转换为HSV颜色空间，接着我们分离了H和S通道，并指定了直方图的维度、通道数、亮度级别个数和范围，然后我们使用 cv::calcHist()计算了二维直方图并使用 cv::rectangle()绘制；
#include 运行结果：
三、直方图均衡化
直方图均衡化是一种用于增强图像对比度的图像处理技术，它通过重新分配图像的像素值，使得整个亮度范围得到充分利用，从而使图像看起来更清晰和具有更好的对比度；
1、直方图均衡化的原理：
- 计算直方图：首先计算原始图像的灰度直方图，这个直方图描述了图像中各个灰度级别的分布情况；
- 计算累积分布函数(CDF)：将灰度直方图转换为累积分布函数，CDF表示了每个灰度级别的累积概率；
- 映射新的像素值：对于每个像素，将其原始灰度值映射到新的值，使得新的值在整个亮度范围内均匀分布；
2、opencv中，可以使用 cv::equalizeHist()函数来实现直方图均衡化：
（1）cv::equalizeHist()函数原型：
void cv::equalizeHist(
InputArray src,
OutputArray dst
);
参数解释：
src：输入图像(灰度图像)；
dst：输出图像，用于存储均衡化后的结果；
（2）代码示例：
灰度直方图均衡化：
#include 运行结果：
彩色直方图均衡化：
首先将彩色图像转换为HSV色彩空间，然后对亮度(Value/V通道)进行均衡化，最后将其转换回BGR色彩空间以显示
#include 运行结果：