直方图计算(续)
背景引言
在直方图计算一节中，介绍了相关图像直方图计算。本节进行回顾一下相关知识，同时加深一步了解图像直方图相关步骤，以及实践一维和二维直方图计算。
基本操作
1. 结构体CvHistogram
typedef struct CvHistogram
{
int type;
CvArr* bins; //存放每个灰度级数目的数组指针 实际上是 mat->data的数据
float thresh[CV_MAX_DIM][2]; //均匀直方图 中每个bin的边界
float** thresh2; //非均匀直方图
CvMatND mat; //直方图数组的内部数据结构
}
CvHistogram;
其中注意：thresh是一个二维数据，里面存储每个bin的上下边界，对于非均匀直方图，存储在thresh2中，直方图的数据主要存储在CvMatND结构中，bins中其实就是指向CvMatND中的data数据指针，对于密集矩阵，可以通过CvMatND mat直接访问直方图数据
。2.直方图的创建
CVAPI(CvHistogram*) cvCreateHist( int dims, //直方图维数
int* sizes, //直翻图维数尺寸
int type, //直方图的表示格式
float** ranges CV_DEFAULT(NULL), //图中方块范围的数组
int uniform CV_DEFAULT(1)//归一化标识
);
说明：
- sizes必须为整数数组，长度等于dims的大小，每个整数表示对应维数分配的bin个数。例如dims =2， sizes = [255,255],表示2维都是255个bin。
- type指定直方图存储的数据结构，CV_HIST_ARRAY 意味着直方图数据表示为多维密集数组 CvMatND; CV_HIST_TREE 意味着直方图数据表示为多维稀疏数组 CvSparseMat。
- ranges是有浮点数构成，表明每个维度的统计范围，数组个数和dims相等，也和uniform的值相关。当uniform=1时，表示直方图是均匀的，那么rangs只用给出整个维度统计的上下限，程序会根据这个总范围和维数决定每个bin的统计区间，例如uniform=1，dim =1 ， sizes = 2 , rangs = [0,10],那么直方图中有2个bin的统计区间分别为[0 5] , [5 10] ；
-
当uniform=0时直方图是非均匀的，需要用数组对来表示，如果某维数里面有N个bin，需要N+1个数表示，例如，uniform=0，dim =4 ， sizes = 1 ,
rangs = [0,2,4,9,10] ,对应的每个bin的统计区级为[0 2] [2 4] [4 9] [9 10] .
3 直方图释放
void cvReleaseHist( CvHistogram** hist ); //函数 cvReleaseHist释放直方图 (头和数据).
//指向直方图的指针被函数所清空。如果 *hist指针
//已经为 NULL, 则函数不做任何事情。
void cvClearHist( CvHistogram* hist ); //函数 cvClearHist 当直方图是稠密数组时将所有
//直方块设置为 0，当直方图是稀疏数组时，除去所
//有的直方块。
4.访问直方图的函数
一种是采用函数访问:
double cvquerhistValue_nD(CvHistogram* hist,int*idex)
5.计算直方图
void cvCalcHist( IplImage** image, CvHistogram* hist,
int accumulate=0, const CvArr* mask=NULL );
直方图计算cvCalcHist( )在在直方图计算一节，详细介绍过，在此略过。
6.直方图中的最大值最小值
void cvGetMinMaxHistValue(const CvHistogram* hist,
float* min_value, float* max_value,
int* min_idx=NULL, int* max_idx=NULL );
其中函数中参数：
- hist 直方图
- min_value 直方图最小值的指针
- max_value 直方图最大值的指针
- min_idx 数组中最小坐标的指针
- max_idx 数组中最大坐标的指针 函数
参考代码
一维直方图实现
#include "stdafx.h"
#include <cv.h>
#include <highgui.h>
int _tmain(int argc, _TCHAR* argv[])
{
IplImage * src= cvLoadImage("pollen.tif");
IplImage* gray_plane = cvCreateImage(cvGetSize(src),8,1);
cvCvtColor(src,gray_plane,CV_BGR2GRAY);
int hist_size = 256; //直方图尺寸
int hist_height = 256;
float range[] = {0,255}; //灰度级的范围
float* ranges[]={range}; //创建一维直方图，统计图像在[0 255]像素的均匀分布
CvHistogram* gray_hist;
gray_hist = cvCreateHist(1,&hist_size,CV_HIST_ARRAY,ranges,1); //计算灰度图像的一维直方图
printf("dim:%d\n",gray_hist->mat.dims); //访问直方图
printf("num of bin:%d\n",gray_hist->mat.dim[0].size);
printf("low of dim:%f\n",gray_hist->thresh[0][0]);
printf("up of dim:%f\n",gray_hist->thresh[0][1]);
cvCalcHist(&gray_plane,gray_hist,0,0);
for (UINT i = 0 ; i < gray_hist->mat.dim->size ; i ++){ //访问直方图
printf("%d_bin:%f--",i+1,cvQueryHistValue_1D(gray_hist,i));
printf("%d_bin:%f\n",i + 1 ,*(gray_hist->mat.data.fl + i));
}
cvNormalizeHist(gray_hist,1.0); //归一化直方图
int scale = 2; //创建一张一维直方图的“图”，横坐标为灰度级，纵坐标为像素个数（*scale）
IplImage* hist_image = cvCreateImage(cvSize(hist_size*scale,hist_height),8,3);
cvZero(hist_image);
float max_value = 0;
cvGetMinMaxHistValue(gray_hist, 0,&max_value,0,0); //统计直方图中的最大直方块
for(int i=0;i<hist_size;i++){
float bin_val = cvQueryHistValue_1D(gray_hist,i); //像素i的概率
int intensity = cvRound(bin_val*hist_height/max_value); //要绘制的高度
cvRectangle(hist_image, cvPoint(i*scale,hist_height-1),
cvPoint((i+1)*scale - 1, hist_height - intensity), CV_RGB(255,255,255));
}
cvNamedWindow("GraySource", 1 );
cvShowImage("GraySource",gray_plane);
cvNamedWindow("H-S Histogram", 1 );
cvShowImage("H-S Histogram", hist_image );
cvWaitKey(0);
return 0;
}
测试输出结果：
二维直方图实现
#include "stdafx.h"
#include <cv.h>
#include <highgui.h>
int _tmain(int argc, _TCHAR* argv[])
{
IplImage * src= cvLoadImage("iris.tif");
IplImage* r_plane = cvCreateImage( cvGetSize(src), 8, 1 );
IplImage* g_plane = cvCreateImage( cvGetSize(src), 8, 1 );
IplImage* b_plane = cvCreateImage( cvGetSize(src), 8, 1 );
IplImage* planes[] = { r_plane, g_plane };
cvCvtPixToPlane( src, b_plane, g_plane, r_plane, 0 ); //将HSV图像分离到不同的通道中
int r_bins =256, b_bins = 256; // 生成二维直方图数据结构
CvHistogram* hist;
int hist_size[] = { r_bins, b_bins };
float r_ranges[] = { 0, 255 };
float b_ranges[] = { 0, 255 };
float* ranges[] = { r_ranges,b_ranges };
hist = cvCreateHist( 2, hist_size, CV_HIST_ARRAY, ranges, 1);
cvCalcHist( planes, hist, 0, 0 ); //计算一张或多张单通道图像image(s) 的直方图
int scale = 2; //创建一张一维直方图的“图”，横坐标为灰度级，纵坐标为像素个数（*scale）
IplImage* hist_image = cvCreateImage(cvSize(r_bins * scale, b_bins * scale),8,3);
cvZero(hist_image);
float max_value = 0;
cvNormalizeHist(hist,1.0);
cvGetMinMaxHistValue(hist, 0,&max_value,0,0);
for( int h = 0; h < r_bins; h++ ){
for( int s = 0; s < b_bins; s++ ){
float bin_val = cvQueryHistValue_2D( hist, h, s ); //查询直方块的值
int intensity = cvRound( bin_val * 255 / max_value );
cvRectangle( hist_image, cvPoint( h*scale, s*scale ),
cvPoint( (h+1)*scale - 1, (s+1)*scale - 1),
CV_RGB(intensity,intensity,intensity),CV_FILLED);
}
}
cvNamedWindow("Source");
cvShowImage("Source",src);
cvNamedWindow("H-S Histogram", 1 );
cvShowImage("H-S Histogram", hist_image);
cvWaitKey(0);
return 0;
}
处理的显示形式不是opencv例子那里的形式，这里采用R分量为X轴，B分量为Y轴，r,b中存储的量为X Y分别为响应值的统量。
测试输出结果：
如有错误，请多多指正。谢谢！
关于Image Engineering & Computer Vision的更多讨论与交流，敬请关注本博客和新浪微博songzi_tea.