OpenCV2马拉松第8圈——绘制直方图

收入囊中
  • 灰度直方图
  • 彩色直方图

葵花宝典
直方图的理论还是非常丰富的,应用也很多,诸如:
直方图均衡化
直方图匹配(meanshift,camshift)

在这里,我先介绍基础,如何绘制图像的直方图。
拿灰度图像来说,直方图就是不同的灰度对应的个数,横轴(x)就是[0,256), 纵轴(y)就是对应的个数
如下图,分别是灰度直方图和彩色直方图

OpenCV2马拉松第8圈——绘制直方图_第1张图片



初识API
C++:  void  calcHist (const Mat*  images, int  nimages, const int*  channels, InputArray  mask, SparseMat&  hist, int  dims, const int*  histSize, const float**  ranges, bool  uniform=true, bool  accumulate=false  )
 
  • images – 是一个图像数组,简单起见,我们都只传一个图像. 
  • nimages – 图片数组大小,我们固定为1
  • channels – 是一个数组,灰度图像为0就可以,彩色图像要0,1,2
  • mask – 这里我们不需要,传Mat()就可以
  • hist – 输出的直方图
  • dims – 计算彩色RGB要3,gray传1
  • histSize – 是一个数组,一般来说内容就是256
  • ranges – 是一个二维数组,每个数组包括的都是一个范围,[0,255]最常用,下面会看到
  • uniform – 在这里用默认就足够.
  • accumulate – 在这里用默认就足够.
假设我们要计算灰度图像的直方图,如下调用即可:
int histSize[1]; // number of bins
float hranges[2]; // min and max pixel value
const float* ranges[1];
int channels[1]; // only 1 channel used here

histSize[0]= 256;
hranges[0]= 0.0;
hranges[1]= 255.0;
ranges[0]= hranges;
channels[0]= 0; // by default, we look at channel 0

// Computes the 1D histogram.
Mat hist;
// Compute histogram
calcHist(&image,1,channels,Mat(),hist,1,histSize,ranges);



荷枪实弹
先看看设计的一个灰度类
第一个方法是构造函数
第二个方法是获得直方图
第三个方法是绘制直方图
class Histogram1D {
private:
	int histSize[1]; // number of bins
	float hranges[2]; // min and max pixel value
	const float* ranges[1];
	int channels[1]; // only 1 channel used here
public:
	Histogram1D() {
		histSize[0]= 256;
		hranges[0]= 0.0;
		hranges[1]= 255.0;
		ranges[0]= hranges;
		channels[0]= 0; // by default, we look at channel 0
	}
	
	// Computes the 1D histogram.
	Mat getHistogram(const cv::Mat &image) {
		Mat hist;
		// Compute histogram
		calcHist(&image,1,channels,Mat(),hist,1,histSize,ranges);
		return hist;
	}
	
	Mat getHistogramImage(const cv::Mat &image){
		// Compute histogram first
		Mat hist= getHistogram(image);
		// Get min and max bin values
		double maxVal=0;
		double minVal=0;
		minMaxLoc(hist, &minVal, &maxVal, 0, 0);
		// Image on which to display histogram
		Mat histImg(histSize[0], histSize[0],CV_8U,Scalar(255));
		// set highest point at 90% of nbins
		int hpt = static_cast<int>(0.9*histSize[0]);
		// Draw a vertical line for each bin
		for( int h = 0; h < histSize[0]; h++ ) {
			float binVal = hist.at<float>(h);
			int intensity = static_cast<int>(binVal*hpt/maxVal);
			// This function draws a line between 2 points
			line(histImg,Point(h,histSize[0]),
			Point(h,histSize[0]-intensity),
			Scalar::all(0));
		}
		return histImg;
	}
};

然后,主函数调用
Mat image,gray;
image = imread( argv[1], 1 );
if( !image.data )
	return -1;
 cvtColor(image, gray, CV_BGR2GRAY);
    
Histogram1D h;
namedWindow("Histogram");
imshow("Histogram",h.getHistogramImage(gray));

灰度直方图已经画好,下面画彩色直方图
画彩色直方图的过程和灰度直方图差不多,是把RGB三通道分别独自出来,各自计算
/// Separate the image in 3 places ( B, G and R )
vector<Mat> bgr_planes;
split( src, bgr_planes );
现在,你就有了3个Mat存放在bgr_planes,再次强调下,OpenCV里面彩色图像的第一个通道是blue,BGR哦
然后,你用我们之前的Histogram1D类分别调用就可以了


举一反三
有时候,我们还可以绘制不同色彩空间的直方图
下面我们绘制2D Hue-Saturation histogram for a color image
OpenCV2马拉松第8圈——绘制直方图_第2张图片

由于我对HSV色彩空间的理论没有学过,所以下面就贴出官方教程的代码
#include <cv.h>
#include <highgui.h>

using namespace cv;

int main( int argc, char** argv )
{
    Mat src, hsv;
    if( argc != 2 || !(src=imread(argv[1], 1)).data )
        return -1;

    cvtColor(src, hsv, CV_BGR2HSV);

    // Quantize the hue to 30 levels
    // and the saturation to 32 levels
    int hbins = 30, sbins = 32;
    int histSize[] = {hbins, sbins};
    // hue varies from 0 to 179, see cvtColor
    float hranges[] = { 0, 180 };
    // saturation varies from 0 (black-gray-white) to
    // 255 (pure spectrum color)
    float sranges[] = { 0, 256 };
    const float* ranges[] = { hranges, sranges };
    MatND hist;
    // we compute the histogram from the 0-th and 1-st channels
    int channels[] = {0, 1};

    calcHist( &hsv, 1, channels, Mat(), // do not use mask
             hist, 2, histSize, ranges);
    double maxVal=0;
    minMaxLoc(hist, 0, &maxVal, 0, 0);

    int scale = 10;
    Mat histImg = Mat::zeros(sbins*scale, hbins*10, CV_8UC3);

    for( int h = 0; h < hbins; h++ )
        for( int s = 0; s < sbins; s++ )
        {
            float binVal = hist.at<float>(h, s);
            int intensity = cvRound(binVal*255/maxVal);
            rectangle( histImg, Point(h*scale, s*scale),
                        Point( (h+1)*scale - 1, (s+1)*scale - 1),
                        Scalar::all(intensity),
                        CV_FILLED );
        }

    namedWindow( "Source", 1 );
    imshow( "Source", src );

    namedWindow( "H-S Histogram", 1 );
    imshow( "H-S Histogram", histImg );
    waitKey();
}


计算机视觉讨论群:162501053
转载请注明:http://blog.csdn.net/abcd1992719g



你可能感兴趣的:(opencv,HSV,直方图,opencv2)