C++ OpenCv中提供的函数calcHist()可以很方便的帮助我们统计一幅8Bit图像的直方图，但是有时候我们不想用OpenCv提供的函数来统计，想自己根据自己的需求来做一个统计，那么看这个教程就对了，学会这种方法不仅是8Bit图像可以自己手写统计，10Bit，12Bit，14Bit，16Bit，24Bit，32Bit等图像，都可以自己手写代码实现直方图统计并显示出来。关于16Bit图像直方图统计并显示的具体教程，看我下一篇文章。
自己手撸统计8Bit图像直方图的代码见下：
#include<opencv2/opencv.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<iostream>
using namespace std;
using namespace cv;
int main()
{
Mat image = imread("Images/16bit/8bit_3M_Lj/Original_3M_Lj.png", -1); //输入8Bit图像
Mat histogram = Mat::zeros(Size(256, 1), CV_32SC1); //注意，Size对应的是x和y，也就是第一个元数是矩阵的列数。比如我这里创建的是256列1行的画布，即大小为1*255
int rows = image.rows; //输入图像的行数
int cols = image.cols; //输入图像的列数
for (int i = 0; i<rows; i++)
{
for (int j = 0; j<cols; j++)
{
int index = int(image.at<uchar>(i, j)); //获取每个点的像素值
histogram.at<int>(0, index) += 1; //获取了一个像素值，在相应的位置上加1
}
}
//开始直观的显示直方图——绘制直方图
//首先先创建一个黑底的图像，为了可以显示彩色，所以该绘制图像是一个8位的3通道图像，3通道图像画直方图的时候就可以画彩色的直方图了
Mat drawImage1 = Mat::zeros(Size(256, 400), CV_8UC3); //这里是最后画直方图的地方，大小为400行，256列，这里画布的大小可以自定义
//因为任何一个图像的某个像素的总个数，都有可能会有很多，会超出所定义的图像的尺寸，针对这种情况，先对个数进行范围的限制
//先用 minMaxLoc函数来得到计算直方图后的像素的最大个数
double g_dHistMaxValue; //最大的像素值数目
minMaxLoc(histogram, 0, &g_dHistMaxValue, 0, 0);
//将像素的个数整合到 图像的最大范围内
//遍历直方图得到的数据
for (int i = 0; i < 256; i++)
{
int value = cvRound(histogram.at<int>(0, i) * 256 * 1.4 / g_dHistMaxValue); //这里公式中乘的1.4是为了使显示的直方图更高更好看一下，可以适当调整此值，自己看着舒服
line(drawImage1, Point(i, drawImage1.rows - 1), Point(i, drawImage1.rows - 1 - value), Scalar(255, 255, 0)); //以线条的方式来绘画直方图
//rectangle(drawImage1, Point(i, drawImage1.rows - 1), Point(i, drawImage1.rows - 1 - value), Scalar(255, 255, 0)); //以矩形框的方式绘画直方图，这里和上面的显示方式任意一种都可以
}
imshow("图像直方图", drawImage1);
cout << "histogram = " << histogram;
waitKey();
return 0;
}
上面代码运行的原始图像见下，大家可以自行下载图片后运行代码看看。
注意：这里输入的原始图像是单通道的灰度图像，大家可以依次原理，通过通道拆分依次处理多通道图像，也是可以自己手撸代码统计出来的。
上面代码运行结果见下：
最终统计的直方图为：
为了验证一下自己手撸的代码，统计8Bit图像的直方图对不对，下面采用OpenCv提供的calcHist()函数对同一张图像统计对比一下，下面是OpenCv提供的calcHist()函数统计的代码：
#include<opencv2/opencv.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include<iostream>
using namespace std;
using namespace cv;
void show_histogram(Mat& img)
{
//为计算直方图配置变量
//首先是需要计算的图像的通道，就是需要计算图像的哪个通道（bgr空间需要确定计算 b或g货r空间）
int channels = 0;
//然后是配置输出的结果存储的 空间 ，用MatND类型来存储结果
MatND dstHist;
//接下来是直方图的每一个维度的 柱条的数目（就是将数值分组，共有多少组）
int histSize[] = { 256 }; //如果这里写成int histSize = 256; 那么下面调用计算直方图的函数的时候，该变量需要写 &histSize
//最后是确定每个维度的取值范围，就是横坐标的总数
//首先得定义一个变量用来存储 单个维度的 数值的取值范围
float midRanges[] = { 0, 256 };
const float *ranges[] = { midRanges };
calcHist(&img, 1, &channels, Mat(), dstHist, 1, histSize, ranges, true, false);
//calcHist 函数调用结束后，dstHist变量中将储存了 直方图的信息 用dstHist的模版函数 at<Type>(i)得到第i个柱条的值
//at<Type>(i, j)得到第i个并且第j个柱条的值
//开始直观的显示直方图——绘制直方图
//首先先创建一个黑底的图像，为了可以显示彩色，所以该绘制图像是一个8位的3通道图像
Mat drawImage = Mat::zeros(Size(256, 400), CV_8UC3);
//因为任何一个图像的某个像素的总个数，都有可能会有很多，会超出所定义的图像的尺寸，针对这种情况，先对个数进行范围的限制
//先用 minMaxLoc函数来得到计算直方图后的像素的最大个数
double g_dHistMaxValue; //最大的像素值数目
minMaxLoc(dstHist, 0, &g_dHistMaxValue, 0, 0);
//minMaxLoc(hist, &minValue, &maxValue, 0, 0);//找到全局最小、最大的像素值数目
//将像素的个数整合到 图像的最大范围内
//遍历直方图得到的数据
for (int i = 0; i < 256; i++)
{
int value = cvRound(dstHist.at<float>(i) * 256 * 1.4 / g_dHistMaxValue);
line(drawImage, Point(i, drawImage.rows - 1), Point(i, drawImage.rows - 1 - value), Scalar(255, 255, 0));
}
imshow("直方图统计", drawImage);
}
int main()
{
//Mat image = imread("Images/16bit/8bit_3M_Lj/16bitZhiFanTuJunHen_PinTai_3M_Lj(7).png", -1);
Mat image = imread("Images/16bit/8bit_3M_Lj/Original_3M_Lj.png", -1); //输入8Bit图像
//Mat image = imread("Images/16bitwhq.png", -1);
show_histogram(image);
waitKey();
return 0;
}
上面采用OpenCv提供的calcHist()函数对图像直方图统计的结果见下：
通过以上对比可以看出，我自己写的代码统计出来的结果和采用OpenCv提供的calcHist()函数统计的直方图结果是一致的，验证了我的这种不借助OpenCv提供的calcHist()函数方法是可行的。
以上就是通过自己手撸代码统计8Bit图像直方图的详细过程，关于16Bit图像直方图的统计，见我下一篇文章，如果这种方法对你有用，点个赞，鼓励一下，谢谢！