opencv学习笔记之四 c++和直方图
<span style="font-family: Arial, Helvetica, sans-serif; background-color: rgb(255, 255, 255);">1.内联函数 inline关键字 在编译的时候编译器会替换函数名为函数体，避免了函数调用需要现场和返回指针。利用增加内存占用来提高效率。 </span>
2.重载函数依据形参来区别，编译器会根据形参的不同调用最合适的函数。放回值类型不能区分重载。typeof定义的也不行。不同参数的传递方式（传值和传址）也不行。
int max(int a,int b) int max(int a,int b,int c) double max(double a,double b) float max(float a,float b) double max(int a,double b) int sum(int a) //传值 int sum(int& a) //传址3.函数指针
int maxvalue(int a,int b); int (*p) (int,int); //形参可以省略 …… p = maxvalue; //指向 max = (*p)(4,5); //调用方式 ……
4.链表和数组的差别
摘自百度知道
二者都属于一种数据结构 从逻辑结构来看 1. 数组必须事先定义固定的长度（元素个数），不能适应数据动态地增减的情况。当数据增加时，可能超出原先定义的元素个数；当数据减少时，造成内存浪费；数组可以根据下标直接存取。 2. 链表动态地进行存储分配，可以适应数据动态地增减的情况，且可以方便地插入、删除数据项。（数组中插入、删除数据项时，需要移动其它数据项，非常繁琐）链表必须根据next指针找到下一个元素 从内存存储来看 1. (静态)数组从栈中分配空间, 对于程序员方便快速,但是自由度小 2. 链表从堆中分配空间, 自由度大但是申请管理比较麻烦 从上面的比较可以看出，如果需要快速访问数据，很少或不插入和删除元素，就应该用数组；相反， 如果需要经常插入和删除元素就需要用链表数据结构了。
z = ::x + ::y;
static int m,n = 3; //静态（局部/全局）变量
//静态（局部）变量
存储在内存的静态存储区；在调用之后变量保留原来的内存空间和值，但只能被定义它的函数调用；一般在声明处初始化，默认初始化0。
//静态（局部/全局）变量
为了局限变量只被本文件（XX.cpp）使用。
存储在内存的静态存储区；一般在声明处初始化，默认初始化0。在文件之外不可见。
static int add(int m,int n){
return m + n;
} //内部函数只能被文件内的函数调用。
避免不同文件之间的互相干扰。增强可移植性。
extern int add(int m,int n){
return m + n;
} //外部函数
6.堆栈
是两种数据结构。堆：先进先出，由程序员申请，由程序员/OS释放；栈：先进后出，由系统分配。
//============== OpenCV 直方图 =================
参数讲解：
1.cvHistgram()
typedef struct CvHistogram
{
<span style="white-space:pre"> </span>int type;
<span style="white-space:pre"> </span>CvArr* bins;
<span style="white-space:pre"> </span>float thresh[CV_MAX_DIM][2]; /* for uniform histograms */
<span style="white-space:pre"> </span>float** thresh2; /* for non-uniform histograms */
<span style="white-space:pre"> </span>CvMatND mat; /* embedded matrix header for array histograms */
}
CvHistogram;
//*****一维直方图：
bin表示在灰度范围（0-255之间划分的均匀的小段的范围） bin是一维矩阵
int bin = 256，表示划分256个bin，每一个bin的（长度）就是1，范围是0-1；1-2；2-3；……以此类推
直方图需要统计图像的像素点落在每一个不同范围的bin中的数量。
//*****二维直方图：
每一个bin的范围变成了面：0<X<1,0<Y<1，以此类推。 bin是二维矩阵（三维/四维……）
2.cvCreateHist()
CVAPI(CvHistogram*) cvCreateHist( int dims, int* sizes, int type,
float** ranges CV_DEFAULT(NULL),
int uniform CV_DEFAULT(1));
//dims 维数
//sizes 几维的就存几个值 为了创建矩阵（多大） 一维的图像且bin=6,则创建一个1X6的矩阵用来存放bin中的数值 size[0] = 6
// 二维的 且X,Y的维数是4，则创建一个4X4的矩阵用来存放bin中的数值 size[0] = 4;size[1] = 4;
//ranges 为了创建矩阵（什么类型）1 密集型矩阵bin 1x1 CV_HIST_ARRAY 0 ； 2稀疏型矩阵 效率高，高维选用 CV_HIST_SPARSE 1。
//uniform !=0 则均等划分
// opencv11.cpp : 定义控制台应用程序的入口点。
//B G R
#include "stdafx.h"
#include "highgui.h"
#include "cv.h"
#include "cxcore.h"
IplImage* DrowHistogram(CvHistogram* hist,int scaleX =1,int scaleY =1)
{
float histMax = 0;
cvGetMinMaxHistValue(hist,0,&histMax,0,0);
IplImage* imghist = cvCreateImage(cvSize(256*scaleX,64*scaleY),8,1);
cvZero(imghist);//置0
int i = 1;
for(i = 1;i<255;i++)
{
float histvalue = cvQueryHistValue_1D(hist,i);//1维
float nextvalue = cvQueryHistValue_1D(hist,i+1);
CvPoint pt1 = cvPoint( i*scaleX,64*scaleY);
CvPoint pt2 = cvPoint((i+1)*scaleX,64*scaleY);
CvPoint pt3 = cvPoint((i+1)*scaleX,(int)(64-(nextvalue/histMax)*64)*scaleY);
CvPoint pt4 = cvPoint( i*scaleX,(int)(64-(histvalue/histMax)*64)*scaleY);
int numPts = 5;
CvPoint pts[5];
pts[0] = pt1;
pts[1] = pt2;
pts[2] = pt3;
pts[3] = pt4;
pts[4] = pt1;
cvFillConvexPoly(imghist , pts, numPts,cvScalar(255)); //五点四边形
}
return imghist;
}
int _tmain(int argc, _TCHAR* argv[])
{
IplImage* img;
img = cvLoadImage("D:\\PERSONAL\\VC++\\OpenCV\\image\\hy4.jpg");
int sizes = 256/1; //对每个值都要统计像素点个数 如果bin的长度是5，则为256/5
//如果是二维的，sizes是一个二维数组 size[2] = {256,4}
int dims = 1; //维数
float range[] = {0,255};//统计的范围是0-255 range[] = {30-255} 0-29不计
float* ranges[] = {range};
CvHistogram* hist = cvCreateHist(dims,&sizes,CV_HIST_ARRAY,ranges,1);//均等
cvClearHist(hist); //清除生成hist时的可能的系统赋值
IplImage* imgRed = cvCreateImage(cvGetSize(img),8,1);//8位
IplImage* imgGreen = cvCreateImage(cvGetSize(img),8,1);
IplImage* imgBlue = cvCreateImage(cvGetSize(img),8,1);
//把原图像分为四个单通道 四缺省
cvSplit(img,imgBlue,imgGreen,imgRed,NULL);
//计算直方图 得到矩阵 存具体每个bin中的值
cvCalcHist(&imgBlue,hist,0,0); //统计imgBlue，把值放在hist中
IplImage* hist_b = DrowHistogram(hist,2,2);//注意顺序
cvClearHist(hist); //清除矩阵。
cvCalcHist(&imgGreen,hist,0,0);
IplImage* hist_g = DrowHistogram(hist); //默认值是1 1
cvClearHist(hist);
cvCalcHist(&imgRed,hist,0,0);
IplImage* hist_r = DrowHistogram(hist);
cvClearHist(hist);
cvNamedWindow("B");cvNamedWindow("G");cvNamedWindow("R");cvNamedWindow("hy4");
cvShowImage("B",hist_b);cvShowImage("G",hist_g);cvShowImage("R",hist_r);cvShowImage("hy4",img);
cvWaitKey(0);
cvReleaseImage(&hist_b);cvReleaseImage(&hist_g);cvReleaseImage(&hist_r);cvReleaseImage(&img);
cvDestroyWindow("B");cvDestroyWindow("G");cvDestroyWindow("R");cvDestroyWindow("hy4");
return 0;
}
解说如下，首先视频中的代码计算的其实是直方图的补集。计算的数据类型的警告修改如上。