标签：
要绘制直方图，最重要的三个函数是calcHist、line、和rectangle，下面分别进行介绍！calcHist函数：
calcHist函数的原型如下：
void 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 );
const Mat* images:待计算直方图的图像源的指针，注意是指针，因为有可能包含多幅图
int nimage：表示待计算图像源中图像的个数，一般情况下都取值为1，就算你要计算多幅，也可以一个个地算啊！如果是多幅，那么说明 images是一个数组撒!
const int* channels：表示要计算哪些通道的指针，注意是指针，因为通道数可能是多个。灰度图为0，HSV的H-S直方图为0和1，BGR为0，1，2（不过BGR图可以使用split分离三个通道，再分别计算，通常也是这样处理）
InputArray mask：掩码阵列，关于这个参数可以参看我写的博文http://blog.csdn.net/wenhao_ir/article/details/51120508
OutputArray hist：存储计算出的直方图数据
int dims：直方图的维度，单通道为1，H-S直方图为2，一维的就是一条线，二维的就是一个平面（即包含x,y两个维度）
const int* histSize：表示直方图横坐标的区间数的指针，注意也是指针，因为对于二维的直方图而言，有两个维度的变量区间
const float** ranges：表示直方图每一维变量的上下界，注意是指针的指针，因为每一维度的区间都是两个边界值，又有可能是多维，如果不明白我说的话，看H-S直方图源码就清楚了
bool uniform=true：表示直方图是否均匀的标志，什么叫是否均匀？我这里就不翻译译官方的文档的注释了。我就说下自己的理解。要理解这个，首先要知道histSize的含义，histSize就明表示咱们这个直方图的横坐标被划分为多少个区间。如果是均匀的，那么从下界到上界之间就被均匀划分为这么多个区间，如果是非均匀，就需要在ranges中给出各个区间的起点和终点，显然histSize个区间需要histSize+1个点。这里我要说明一下在均匀的情况下如果ranges中写了多个区间程序是怎么操作的？比如自定义直方图程序中的histSize[1]={256};
float hranges[6]={0, 60, 120, 160, 220, 255};具体是这样操作的：把256个区间平分5个大区间中，即每个区间51.2个小区间，然后这些每个大区间再分别被划为51.2个小区间。就是这回事！
bool accumulate=false ：这个参数表示如果你之前计算过这个直方图，那么这个直方图再次计算时一开始需不需要清零，显然，如果不清零，那么再次计算时是一种更新。
line函数：
这个函数就是利用两点确定一条直线的原理绘线，原型如下：
CV_EXPORTS_W void line(CV_IN_OUT Mat& img, Point pt1, Point pt2, const Scalar& color,
int thickness=1, int lineType=8, int shift=0);
一看原型就什么都知道了，所以没必要多讲！
rectangle函数：
rectangle的绘制过程可以参见博文：
另外有一点我需要特别强调一下 那就是用calcHist计算出来的255级灰度值总是0，关于这个问题，我专门写了篇博文，详见http://blog.csdn.net/wenhao_ir/article/details/51332416 如果以后你的程序中要用到255级灰度值，那么可以自己写一段程序计算255级的灰度值，这个程序实际上很容易完成，可以参考我写的博文http://blog.csdn.net/wenhao_ir/article/details/51332416
好，接下来上源码，明白了以上函数的使用之后，再来看这个源码就很容易了！所以我就不注释什么了~
源码中用到的图片的下载链接：http://pan.baidu.com/s/1kUEDw5x
首先是灰度直方图的源码
//OpenCV版本2.4.9
//交流QQ2487872782
#include <opencv2\opencv.hpp>
int main()
{
// 图像源获取及判断
cv::Mat Image, ImageGray;
//Image = cv::imread("coins.png");
Image = cv::imread("flower3.jpg");
if(Image.empty())
return -1;
cv::imshow("Image",Image);
// 转换为灰度图像
cv::cvtColor(Image,ImageGray,CV_BGR2GRAY);
// 定义直方图参数
const int channels[1]={0};
const int histSize[1]={256};
float pranges[2]={0,255};
const float* ranges[1]={pranges};
cv::MatND hist;
// 计算直方图
cv::calcHist(&ImageGray,1,channels,cv::Mat(),hist,1,
histSize,ranges);
// 初始化画布参数
int hist_w = 500;
int hist_h = 500;
int nHistSize = 255;
// 区间
int bin_w = cvRound( (double) hist_w / nHistSize );
cv::Mat histImage( hist_w, hist_h,
CV_8UC3, cv::Scalar( 0,0,0) );
// 将直方图归一化到范围 [ 0, histImage.rows ]
normalize(hist, hist, 0, histImage.rows,
cv::NORM_MINMAX, -1, cv::Mat() );
// 在直方图画布上画出直方图
for( int i = 1; i < nHistSize; i++ )//注意这里没有绘制255级的灰度值
{
cv::line( histImage, cv::Point(bin_w*(i-1),
hist_h-cvRound(hist.at<float>(i-1)) ) ,
cv::Point( bin_w*(i),
hist_h - cvRound(hist.at<float>(i)) ),
cv::Scalar( 0, 0, 255), 2, 8, 0 );
}
int hist_255;
hist_255=int(hist.at<float>(255));
// 显示直方图
cv::imshow("histImage", histImage);
cv::waitKey();
return 0;
}
其次是H-S直方图的源码
//OpenCV版本2.4.9
//交流QQ2487872782
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <iostream>
using namespace std;
using namespace cv;
int main()
{
cv::Mat srcImage, hsvMat;
srcImage = cv::imread("flower3.jpg");
if(srcImage.empty())
return -1;
cv::cvtColor(srcImage, hsvMat, CV_BGR2HSV);
// 初始化灰度阶参数
int hbins = 30, sbins = 32;
int histSize[] = {hbins, sbins};
// 灰度变化范围设置
float hranges[] = { 0, 180 };
// 饱和度变化范围
float sranges[] = { 0, 256 };
const float* ranges[] = { hranges, sranges };
cv::MatND hist;
// 选取计算直方图通道
int channels[] = {0, 1};
// 计算当前通道直方图
cv::calcHist( &hsvMat, 1, channels, cv::Mat(),
hist, 2, histSize, ranges,
true, false );
double maxVal=0;
// 找到直方图的最大值
cv::minMaxLoc(hist, 0, &maxVal, 0, 0);
int scale = 10;
cv::Mat histImg = cv::Mat::zeros(sbins*scale,
hbins*10,CV_8UC3);
// 遍历hs通道
for( int h = 0; h < hbins; h++ )
{
for( int s = 0; s < sbins; s++ )
{
float binVal = hist.at<float>(h, s);
// 根据最大值计算变换范围
int intensity = cvRound(binVal*255/maxVal);
// 绘图显示
cv::rectangle( histImg,
cv::Point(h*scale, s*scale),
cv::Point( (h+1)*scale - 1,
(s+1)*scale - 1),
cv::Scalar::all(intensity),
CV_FILLED );
}
}
cv::imshow( "Source", srcImage);
cv::imshow( "H-S Histogram", histImg);
cv::waitKey();
}
再次是BGR直方图
//OpenCV版本2.4.9
//交流QQ2487872782
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"
#include <iostream>
using namespace std;
using namespace cv;
int main()
{
// 图像获取及判断
cv::Mat srcImage = cv::imread("flower3.jpg");
if( !srcImage.data )
return 1;
cv::imshow("srcImage",srcImage);
// 分离图像的三个通道 B G R
std::vector<cv::Mat> bgr_planes;
split( srcImage, bgr_planes );
// 初始化直方图计算参数
int histSize = 256;
float range[] = { 0, 256 };
const float* histRange = { range };
bool uniform = true;
bool accumulate = false;
cv::Mat b_hist, g_hist, r_hist;
// 计算各个通道的直方图
calcHist( &bgr_planes[0], 1, 0, cv::Mat(), b_hist, 1,
&histSize, &histRange, uniform, accumulate );
calcHist( &bgr_planes[1], 1, 0, cv::Mat(), g_hist, 1,
&histSize, &histRange, uniform, accumulate );
calcHist( &bgr_planes[2], 1, 0, cv::Mat(),r_hist, 1,
&histSize, &histRange, uniform, accumulate );
// 设置直方图绘图参数
int hist_w = 640; int hist_h = 512;
int bin_w = cvRound( (double) hist_w/histSize );
cv::Mat histImage( hist_h, hist_w,
CV_8UC3, cv::Scalar( 0,0,0) );
// 分别归一化直方图到[ 0, histImage.rows ]
normalize(b_hist, b_hist, 0, histImage.rows, NORM_MINMAX,
-1, Mat() );
normalize(g_hist, g_hist, 0, histImage.rows, NORM_MINMAX,
-1, Mat() );
normalize(r_hist, r_hist, 0, histImage.rows, NORM_MINMAX,
-1, Mat() );
// 分别对每个通道进行绘图
for( int i = 1; i < histSize; i++ )
{
line( histImage, Point( bin_w*(i-1),
hist_h - cvRound(b_hist.at<float>(i-1)) ) ,
Point( bin_w*(i), hist_h -
cvRound(b_hist.at<float>(i)) ),
Scalar( 255, 0, 0), 2, 8, 0 );
line( histImage, Point( bin_w*(i-1), hist_h -
cvRound(g_hist.at<float>(i-1)) ) ,
Point( bin_w*(i), hist_h -
cvRound(g_hist.at<float>(i)) ),
Scalar( 0, 255, 0), 2, 8, 0 );
line( histImage, Point( bin_w*(i-1), hist_h -
cvRound(r_hist.at<float>(i-1)) ) ,
Point( bin_w*(i), hist_h -
cvRound(r_hist.at<float>(i)) ),
Scalar( 0, 0, 255), 2, 8, 0 );
}
imshow("calcHist", histImage );
waitKey(0);
return 0;
}
最后是自定义直方图
//OpenCV版本2.4.9
//交流QQ2487872782
#include <opencv2/opencv.hpp>
int main()
{
// 图像获取及判断
cv::Mat srcImage = cv::imread("flower3.jpg");
if( !srcImage.data )
return 1;
cv::imshow("srcImage",srcImage);
// 灰度转换
cv::Mat srcGray;
cv::cvtColor(srcImage,srcGray,CV_BGR2GRAY);
// 初始化直方图计算参数
const int channels[1]={0};
const int histSize[1]={256};
// 设定区间[0 60],[61 120],[121 160],[161 220],[221 255]
float hranges[6]={0, 60, 120, 160, 220, 255};
const float* ranges[1] = {hranges};
cv::MatND hist;
// 计算直方图
cv::calcHist( &srcGray, 1,
channels, cv::Mat(),
hist, 1, histSize,
ranges );
// 求直方图中最大值
double maxHist=0;
cv::minMaxLoc(hist, 0, &maxHist, 0 ,0);
// 设置直方图绘图参数
int hist_Size = hist.rows;
cv::Mat histImg(hist_Size, hist_Size,
CV_8U, cv::Scalar(255));
// 直方图绘制
for(int h = 0; h < hist_Size; h++)
{
float binVal = hist.at<float>(h);
//归一化 根据最大值计算变换范围
int intensity = static_cast<int>(binVal *
hist_Size / maxHist);
// 绘图直方图信息
//cv::line(histImg, cv::Point(h, hist_Size),
// cv::Point(h, hist_Size - intensity),
// cv::Scalar::all(0));
cv::line(histImg, cv::Point(h, hist_Size),
cv::Point(h, hist_Size - intensity),
cv::Scalar::all(0));
}
cv::imshow("histImg", histImg);
cv::waitKey(0);
return 0;
}
运行结果依次如下图所示：
-------------------------------------------
欢迎大家加入图像识别技术交流群：271891601，另外，特别欢迎成都从事图像识别工作的朋友交流，我的QQ号2487872782
利用OpenCV的calcHist绘制灰度直方图、H-S直方图、BGR直方图和自定义直方图的源码及说明
标签：
原文地址：http://blog.csdn.net/wenhao_ir/article/details/51580625
