【OpenCV入门指南】第八篇 灰度直方图

  直方图(Histogram)又称柱状图、质量分布图，是一种统计报告图。直方图由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据类型，纵轴表示分布情况。在图像处理上，直方图是图像信息统计的有力工具。

  灰度直方图是指对图像的灰度信息进行统计，我们知道灰度图在图像处理中应用非常广泛，在前面的《OpenCV第三篇Canny边缘检测》、《OpenCV第五篇轮廓检测上》、《OpenCV第六篇轮廓检测下》均能找到灰度图的用武之地。因此灰度直方图具有较高的实用价值。下面先介绍灰度直方图的几个主要函数。

一．cvCreateHist

函数功能：创建直方图

函数原型：

CVAPI(CvHistogram*)  cvCreateHist( // Creates new histogram

  int dims,

  int* sizes,

  int type,

  float** ranges CV_DEFAULT(NULL),

  int uniform CV_DEFAULT(1)

);

参数说明：

第一个参数表示直方图维数，灰度图为1，彩色图为3。

第二个参数表示直方图维数的数目，其实就是sizes数组的维数。

第三个参数表示直方图维数尺寸的数组。

第四个参数表示直方图类型，为CV_HIST_ARRAY表示直方图数据表示为多维密集数组，为CV_HIST_TREE表示直方图数据表示为多维稀疏数组。

第五个参数表示归一化标识，其原理有点复杂。通常使用默认值即可。

函数说明：

直方图的数据结构如下所示：

typedef struct CvHistogram

{

    int     type;

    CvArr*  bins;

    float   thresh[CV_MAX_DIM][2];  /* For uniform histograms. */

    float** thresh2;                /* For non-uniform histograms. */

    CvMatND mat;     /* Embedded matrix header for array histograms. */

}CvHistogram;

二．cvCalcHist

函数功能：根据图像计算直方图

函数原型：

void  cvCalcHist(

  IplImage** image,

  CvHistogram* hist,

  int accumulate CV_DEFAULT(0),

  const CvArr* mask CV_DEFAULT(NULL)

)

参数说明：

第一个参数表示输入图像。

第二个参数表示输出的直方图指针。

第三个参数操作mask, 确定输入图像的哪个象素被计数。

第四个参数表示累计标识。如果设置，则直方图在开始时不被清零。这个特征保证可以为多个图像计算一个单独的直方图，或者在线更新直方图。

函数说明：

这是个inline函数，函数内部会直接调用cvCalcArrHist( (CvArr**)image, hist, accumulate, mask );

其它直方图的函数介绍可以参阅：

http://www.opencv.org.cn/index.php/Cv%E5%9B%BE%E5%83%8F%E5%A4%84%E7%90%86#.E7.9B.B4.E6.96.B9.E5.9B.BE

下面给出灰度直方图的代码示范：

//图像的灰度直方图
//By MoreWindows (http://blog.csdn.net/MoreWindows)
#include <opencv2/opencv.hpp>
#include <opencv2/legacy/compat.hpp>
using namespace std;
#pragma comment(linker, "/subsystem:\"windows\" /entry:\"mainCRTStartup\"")
void FillWhite(IplImage *pImage)
{
	cvRectangle(pImage, cvPoint(0, 0), cvPoint(pImage->width, pImage->height), CV_RGB(255, 255, 255), CV_FILLED);
}
// 创建灰度图像的直方图
CvHistogram* CreateGrayImageHist(IplImage **ppImage)
{
	int nHistSize = 256;
	float fRange[] = {0, 255};  //灰度级的范围  
	float *pfRanges[] = {fRange};  
	CvHistogram *pcvHistogram = cvCreateHist(1, &nHistSize, CV_HIST_ARRAY, pfRanges);
	cvCalcHist(ppImage, pcvHistogram);
	return pcvHistogram;
}
// 根据直方图创建直方图图像
IplImage* CreateHisogramImage(int nImageWidth, int nScale, int nImageHeight, CvHistogram *pcvHistogram)
{
	IplImage *pHistImage = cvCreateImage(cvSize(nImageWidth * nScale, nImageHeight), IPL_DEPTH_8U, 1);
	FillWhite(pHistImage);

	//统计直方图中的最大直方块
	float fMaxHistValue = 0;
	cvGetMinMaxHistValue(pcvHistogram, NULL, &fMaxHistValue, NULL, NULL);

	//分别将每个直方块的值绘制到图中
	int i;
	for(i = 0; i < nImageWidth; i++)
	{
		float fHistValue = cvQueryHistValue_1D(pcvHistogram, i); //像素为i的直方块大小
		int nRealHeight = cvRound((fHistValue / fMaxHistValue) * nImageHeight);  //要绘制的高度
		cvRectangle(pHistImage,
			cvPoint(i * nScale, nImageHeight - 1),
			cvPoint((i + 1) * nScale - 1, nImageHeight - nRealHeight),
			cvScalar(i, 0, 0, 0), 
			CV_FILLED
		); 
	}
	return pHistImage;
}
int main( int argc, char** argv )
{	
	const char *pstrWindowsSrcTitle = "原图(http://blog.csdn.net/MoreWindows)";
	const char *pstrWindowsGrayTitle = "灰度图(http://blog.csdn.net/MoreWindows)";
	const char *pstrWindowsHistTitle = "直方图(http://blog.csdn.net/MoreWindows)";

	// 从文件中加载原图
	IplImage *pSrcImage = cvLoadImage("007.jpg", CV_LOAD_IMAGE_UNCHANGED);
	IplImage *pGrayImage = cvCreateImage(cvGetSize(pSrcImage), IPL_DEPTH_8U, 1);
	// 灰度图
	cvCvtColor(pSrcImage, pGrayImage, CV_BGR2GRAY);

	// 灰度直方图
	CvHistogram *pcvHistogram = CreateGrayImageHist(&pGrayImage);
	
	// 创建直方图图像
	int nHistImageWidth = 255;
	int nHistImageHeight = 150;  //直方图图像高度
	int nScale = 2;            
	IplImage *pHistImage = CreateHisogramImage(nHistImageWidth, nScale, nHistImageHeight, pcvHistogram);

	// 显示
	cvNamedWindow(pstrWindowsSrcTitle, CV_WINDOW_AUTOSIZE);
	cvNamedWindow(pstrWindowsGrayTitle, CV_WINDOW_AUTOSIZE);
	cvNamedWindow(pstrWindowsHistTitle, CV_WINDOW_AUTOSIZE);
	cvShowImage(pstrWindowsSrcTitle, pSrcImage);
	cvShowImage(pstrWindowsGrayTitle, pGrayImage);
	cvShowImage(pstrWindowsHistTitle, pHistImage);


	cvWaitKey(0);

	cvReleaseHist(&pcvHistogram);

	cvDestroyWindow(pstrWindowsSrcTitle);
	cvDestroyWindow(pstrWindowsGrayTitle);
	cvDestroyWindow(pstrWindowsHistTitle);
	cvReleaseImage(&pSrcImage);
	cvReleaseImage(&pGrayImage);
	cvReleaseImage(&pHistImage);
	return 0;
}

运行效果如下图所示：

由直方图可以看出灰度图上有四种灰度占了很大一部分比例。估计应该是墙壁，衣服，裤子及皮肤这四种灰度吧。

本篇主要介绍了灰度图像的直方图，彩色图像的直方图可以参考：http://www.opencv.org.cn/index.php/%E5%9B%BE%E5%83%8F%E9%A2%9C%E8%89%B2%E5%88%86%E5%B8%83%E7%9B%B4%E6%96%B9%E5%9B%BE

后面二篇《OpenCV第十篇 灰度直方图均衡化》与《OpenCV第十一篇 彩色直方图均衡化》将介绍直方图的均衡化处理，这是图像增强的常用方法。欢迎继续浏览。

《OpenCV入门指南》系列文章地址：

http://blog.csdn.net/morewindows/article/category/1291764

转载请标明出处，原文地址：http://blog.csdn.net/morewindows/article/details/8364656

欢迎关注微博：http://weibo.com/MoreWindows