Opencv学习-直方图应用

本文主要是介绍Opencv学习-直方图应用，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1. 直方图均衡化

1.1 equalizeHist()函数原型

void cv::equalizeHist(InputArray src, OutputArray dst )

• src：需要直方图均衡化的 CV_8UC1 图像。
• dst：直方图均衡化后的输出图像，与src具有相同尺寸和数据类型。 

1.2 示例程序

#include <opencv2/opencv.hpp> 
#include <iostream> using namespace cv; 
using namespace std; void drawHist(Mat &hist, int type, string name) //归一化并绘制直方图函数
{ int hist_w = 512; int hist_h = 400; int width = 2; Mat histImage = Mat::zeros(hist_h, hist_w, CV_8UC3); normalize(hist, hist, 1, 0, type, -1, Mat()); for (int i = 1; i <= hist.rows; i++) { rectangle(histImage, Point(width*(i - 1), hist_h - 1), Point(width*i - 1, hist_h - cvRound(hist_h*hist.at<float>(i - 1)) - 1), Scalar(255, 255, 255), -1); } imshow(name, histImage);
} //主函数
int main() 
{ Mat img = imread("../pic/gril.jpg"); if (img.empty()) { cout << "请确认图像文件名称是否正确" << endl; return -1; } Mat gray, hist, hist2; cvtColor(img, gray, COLOR_BGR2GRAY); Mat equalImg; equalizeHist(gray, equalImg); //将图像直方图均衡化const int channels[1] = { 0 }; float inRanges[2] = { 0,255 }; const float* ranges[1] = { inRanges }; const int bins[1] = { 256 }; calcHist(&gray, 1, channels, Mat(), hist, 1, bins, ranges); calcHist(&equalImg, 1, channels, Mat(), hist2, 1, bins, ranges); drawHist(hist, NORM_INF, "hist"); drawHist(hist2, NORM_INF, "hist2"); imshow("原图", gray); imshow("均衡化后的图像", equalImg); waitKey(0); return 0; 
}

1.3 测试结果 

2.  直方图反向投影

 2.1 calcBackProject()函数原型

void cv::calcBackProject(const Mat * images, 
int nimages, 
const int * channels, 
InputArray hist, 
OutputArray backProject, 
const float ** ranges, 
double scale = 1, 
bool uniform = true 
)

• images：待统计直方图的图像数组，数组中所有的图像应具有相同的尺寸和数据类型，并且数据类型只能是 CV_8U、CV_16U 和 CV_32F 这 3 种中的一种，但是不同图像的通道数可以不同。
• nimages：输入图像数量。
• channels：需要统计的通道索引数组，第一个图像的通道索引从 0 到 images[0].channels()−1，第二个图像通道索引从 images[0].channels()到 images[0].channels()+ images[1].channels()−1，依次类推。
• hist：输入直方图。
• backProject：目标为反向投影图像，与 images[0]具有相同尺寸和数据类型的单通道图像。
• ranges：每个图像通道中灰度值的取值范围。
• scale：输出反向投影矩阵的比例因子。
• uniform：直方图是否均匀的标志符，默认状态下为均匀（true）。 

2.2 示例代码

#include <iostream>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>using namespace std;
using namespace cv;//定义全局变量
Mat srcImage, hsvImage,hueImage;
const int hueBinMaxValue = 180;
int hueBinValue=25;//声明回调函数
void Hist_and_Backprojection(int, void*);int main()
{srcImage=imread("../pic/hand.jpg");//判断图像是否加载成功if(srcImage.empty()){cout << "图像加载失败" << endl;return -1;}elsecout << "图像加载成功..." << endl << endl;//将图像转化为HSV图像cvtColor(srcImage, hsvImage, COLOR_BGR2HSV);//只使用图像的H参数hueImage.create(hsvImage.size(), hsvImage.depth());int ch[]={0,0};mixChannels(&hsvImage, 1, &hueImage, 1, ch, 1);//轨迹条参数设置char trackBarName[20];sprintf(trackBarName,"Hue bin:%d",hueBinMaxValue);namedWindow("SourceImage",WINDOW_AUTOSIZE);//创建轨迹条并调用回调函数createTrackbar(trackBarName, "SourceImage", &hueBinValue, hueBinMaxValue, Hist_and_Backprojection);Hist_and_Backprojection(hueBinValue, 0);imshow("SourceImage", srcImage);waitKey(0);return 0;
}void Hist_and_Backprojection(int, void*)
{MatND hist;int histsize=MAX(hueBinValue, 2);float hue_range[]={0,180};const float* ranges={hue_range};//计算图像直方图并归一化处理calcHist(&hueImage, 1, 0, Mat(), hist, 1, &histsize, &ranges, true, false);normalize(hist, hist, 0, 255, NORM_MINMAX, -1, Mat());//获取反向投影MatND backProjection;calcBackProject(&hueImage, 1, 0, hist, backProjection, &ranges, 1, true);//输出反向投影imshow("BackProjection", backProjection);//绘制图像直方图// int w=400;// int h=400;// int bin_w = cvRound((double)w/histsize);// Mat histImage = Mat::zeros(w, h, CV_8UC3);// for(int i=0; i < hueBinValue; i++)// {//     rectangle(histImage, Point(i*bin_w, h), Point((i+1)*bin_w, h-cvRound(hist.at<float>(i)*h/255.0)), Scalar(0,0,255), -1);// }//imshow("HistImage", histImage);
}

2.3 测试结果

 

 

这篇关于Opencv学习-直方图应用的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---