Opencv学习-直方图应用

2024-08-20 16:28
文章标签 学习 应用 opencv 直方图

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

        如果一个图像的直方图都集中在一个区域,那么整体图像的对比度比较小,不便于图像中纹理的识别。例如,如果相邻的两个像素灰度值分别是 120 121 ,那么仅凭肉眼是无法区别出来的。同时,如果图像中所有的像素灰度值都集中在 100 150 ,那么整个图像会给人模糊的感觉,看不清图中的内容。如果通过映射关系,将图像中灰度值的范围扩大,增加原来两个灰度值之间的差值,就可以提高图像的对比度,进而将图像中的纹理突出显现出来,这个过程称为图像直方图均衡化。
        在 OpenCV 4 中,提供了 equalizeHist() 函数用于将图像的直方图均衡化,该函数的原型在代码清单 4-7 中给出。

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。 
        该函数只能对单通道的灰度图进行直方图均衡化 。通过结果可以发现,经过均衡化后的图像对比度明显增加,可以看清楚原来看不清的纹理。通过绘制原图和均衡化后的图像直方图可以发现,均衡化后的图像直方图分布更加均匀。

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!



http://www.chinasem.cn/article/1090581

相关文章

Python使用OpenCV实现获取视频时长的小工具

《Python使用OpenCV实现获取视频时长的小工具》在处理视频数据时,获取视频的时长是一项常见且基础的需求,本文将详细介绍如何使用Python和OpenCV获取视频时长,并对每一行代码进行深入解析... 目录一、代码实现二、代码解析1. 导入 OpenCV 库2. 定义获取视频时长的函数3. 打开视频文

PostgreSQL的扩展dict_int应用案例解析

《PostgreSQL的扩展dict_int应用案例解析》dict_int扩展为PostgreSQL提供了专业的整数文本处理能力,特别适合需要精确处理数字内容的搜索场景,本文给大家介绍PostgreS... 目录PostgreSQL的扩展dict_int一、扩展概述二、核心功能三、安装与启用四、字典配置方法

Python中re模块结合正则表达式的实际应用案例

《Python中re模块结合正则表达式的实际应用案例》Python中的re模块是用于处理正则表达式的强大工具,正则表达式是一种用来匹配字符串的模式,它可以在文本中搜索和匹配特定的字符串模式,这篇文章主... 目录前言re模块常用函数一、查看文本中是否包含 A 或 B 字符串二、替换多个关键词为统一格式三、提

Java MQTT实战应用

《JavaMQTT实战应用》本文详解MQTT协议,涵盖其发布/订阅机制、低功耗高效特性、三种服务质量等级(QoS0/1/2),以及客户端、代理、主题的核心概念,最后提供Linux部署教程、Sprin... 目录一、MQTT协议二、MQTT优点三、三种服务质量等级四、客户端、代理、主题1. 客户端(Clien

Python如何将OpenCV摄像头视频流通过浏览器播放

《Python如何将OpenCV摄像头视频流通过浏览器播放》:本文主要介绍Python如何将OpenCV摄像头视频流通过浏览器播放的问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完... 目录方法1:使用Flask + MJPEG流实现代码使用方法优点缺点方法2:使用WebSocket传输视

CSS中的Static、Relative、Absolute、Fixed、Sticky的应用与详细对比

《CSS中的Static、Relative、Absolute、Fixed、Sticky的应用与详细对比》CSS中的position属性用于控制元素的定位方式,不同的定位方式会影响元素在页面中的布... css 中的 position 属性用于控制元素的定位方式,不同的定位方式会影响元素在页面中的布局和层叠关

SpringBoot3应用中集成和使用Spring Retry的实践记录

《SpringBoot3应用中集成和使用SpringRetry的实践记录》SpringRetry为SpringBoot3提供重试机制,支持注解和编程式两种方式,可配置重试策略与监听器,适用于临时性故... 目录1. 简介2. 环境准备3. 使用方式3.1 注解方式 基础使用自定义重试策略失败恢复机制注意事项

使用Python和OpenCV库实现实时颜色识别系统

《使用Python和OpenCV库实现实时颜色识别系统》:本文主要介绍使用Python和OpenCV库实现的实时颜色识别系统,这个系统能够通过摄像头捕捉视频流,并在视频中指定区域内识别主要颜色(红... 目录一、引言二、系统概述三、代码解析1. 导入库2. 颜色识别函数3. 主程序循环四、HSV色彩空间详解

OpenCV实现实时颜色检测的示例

《OpenCV实现实时颜色检测的示例》本文主要介绍了OpenCV实现实时颜色检测的示例,通过HSV色彩空间转换和色调范围判断实现红黄绿蓝颜色检测,包含视频捕捉、区域标记、颜色分析等功能,具有一定的参考... 目录一、引言二、系统概述三、代码解析1. 导入库2. 颜色识别函数3. 主程序循环四、HSV色彩空间

Go学习记录之runtime包深入解析

《Go学习记录之runtime包深入解析》Go语言runtime包管理运行时环境,涵盖goroutine调度、内存分配、垃圾回收、类型信息等核心功能,:本文主要介绍Go学习记录之runtime包的... 目录前言:一、runtime包内容学习1、作用:① Goroutine和并发控制:② 垃圾回收:③ 栈和