【小白】Open-CV 学习笔记 - 9.1 直方图

1.直方图的作用。

通过标记帧与帧之间的边缘和颜色的统计变化，直方图被用来检测视频中场景的变化。通过为每个兴趣点设置一个有相近特征的直方图所构成的“标签”，用以确定图像中的兴趣点。边缘、色彩、角等直方图构成了可以被传递给目标识别分类器的一个通用特征类型。

2.概念：

图像直方图是图像中像素强度分布的图形表达方式，统计了每一个强度值所具有的像素个数，并将统计结果分布于一系列预定义的bins中。直方图中，横坐标的左侧为纯黑较暗区域，右侧为纯白较亮区域。

函数原型：

void calcHist(const Mat* image, int nimages, const int* channels, InputArray mask, 
	OutputArray hist, int dims, const int* histSize, const float** ranges,
 	bool uniform=true, bool accumulate=false)

参数说明：
（1）输入数组（集）
（2）输入数组个数
（3）需要统计的通道(dim)索引，第一个数组通道从0到images[0].channels()-1，第二个数组通道从images[0].channels()计算到images[0].channels()+images[1].channels()-1。
（4）可选的操作掩码，为空或与images[i]同样大小的8位数组，非零掩码元素用于标记出统计直方图的数组元素数据（不适用时为 Mat（））。
（5）输出的目标直方图，二维数组
（6）需要计算的直方图维度，必须是正数且不大于CV_MAX_DIMS
（7）存放每个维度的直方图尺寸的数组
（8）表示每一个维度数组的每一维的边界阵列，即每一位数组的取值范围
（9）指示直方图是否均匀的标识符，默认true
（10）累计标识符，默认值false，为true时直方图在配置阶段不会被清零，主要是允许从多个阵列中计算单个直方图，或用于在特定时间更新直方图。

寻找最值：minMaxLoc()函数

作用：
  在数组中找到全局最小/大值

void minMaxLoc(InputArray src, double* minVal, double* maxVal=0, 
		Point* minLoc=0, Point* maxLoc=0, InputArray mask=noArray())

参数说明：
（1）输入的单通道阵列
（2）返回最小值的指针，若无需返回则置为NULL
（3）返回最大值的指针，若无需返回则置为NULL
（4）返回最小位置的指针，若无需返回则置为NULL
（5）返回最大位置的指针，若无需返回则置为NULL
（6）用于选择子阵列的可选掩模

/*
程序说明：计算彩色图像的色调（Hue）-饱和度（Saturation）二维直方图
*/
#include<opencv2/opencv.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace cv;
using namespace std;

int main()
{
	//【1】载入原图,转化为HSV颜色模型
	Mat srcImage, hsvImage;
	srcImage = imread("1.jpg");
	cvtColor(srcImage, hsvImage, COLOR_RGB2HSV);
	
	//【2】参数准备
	//定义存储直方图的数据结构（单通道阵列）
	MatND dstHist;
	//将色调量化为30个等级，将饱和度量化为32个等级
	int hueBinNum = 30;//色调直方图直条数量
	int saturationBinNum = 32;//饱和度直方图直条数量
	int histSize[] = { hueBinNum,saturationBinNum };
	//定义变化范围
	float hueRanges[] = { 0,180 };//定义色调的变化范围为0-179
	float saturationRanges[] = { 0,256 };//定义饱和度的变化范围为0-255
	const float* ranges[] = { hueRanges,saturationRanges };
	//calcHist函数中将计算第0通道和第1通道的直方图
	int channels[] = { 0,1 };

	//【3】正式调用calcHist，进行直方图计算
	//输入数组，数组个数为1，通道索引，不使用掩模，输出目标直方图，需要计算的直方图维度为2，存放每个维度的直方图尺寸的数组，每一维数组的取值范围数组，指示直方图均匀，直方图在配置阶段会被清零
	calcHist(&hsvImage, 1, channels, Mat(), dstHist, 2, histSize, ranges, true, false);

	//【4】绘制直方图准备参数
	double maxValue = 0;//最大值
	minMaxLoc(dstHist, 0, &maxValue, 0, 0);//查找数组和子数组的全局最大值存入maxValue中
	int scale = 10;
	Mat histImage = Mat::zeros(saturationBinNum*scale, hueBinNum * 10, CV_8UC3);

	//【5】双层循环，进行直方图绘制
	for (int hue = 0; hue < hueBinNum; hue++)
	{
		for (int saturation = 0; saturation < saturationBinNum; saturation++)
		{
			float binValue = dstHist.at<float>(hue, saturation);//直方图直条的值
			int intensity = cvRound(binValue * 255 / maxValue);//强度
			//正式绘制
			rectangle(histImage, Point(hue*scale, saturation*scale), Point((hue + 1)*scale - 1, (saturation+1)*scale - 1), Scalar::all(intensity), FILLED);
		}	
	}
	//【6】显示效果图
	imshow("素材图", srcImage);
	imshow("H-S直方图", histImage);

	waitKey(0);
	return 0;
}

2.计算并绘制图像一维直方图

#include<opencv2/opencv.hpp>
#include<opencv2/highgui/highgui.hpp>
#include<opencv2/imgproc/imgproc.hpp>
using namespace cv;
using namespace std;

int main()
{
	//【1】载入原灰度图并显示
	Mat srcImage = imread("1.jpg", 0);
	if (!srcImage.data)
	{
		printf("载入原图失败~！\n");
		return  false;
	}
	imshow("【原始图】", srcImage);

	//【2】定义变量
	MatND dstHist;
	int dims = 1;
	float hranges[] = { 0,255 };
	const float *ranges[] = { hranges };
	int size = 256;
	int channels = 0;

	//【3】计算图像的直方图
	calcHist(&srcImage, 1, &channels, Mat(), dstHist, dims, &size, ranges, true, false);
	int scale = 1;
	Mat dstImage(size*scale, size, CV_8U, Scalar(0));

	//【4】获取最大值和最小值
	double minValue = 0;
	double maxValue = 0;
	minMaxLoc(dstHist, &minValue, &maxValue, 0, 0);

	//【5】绘制出直方图
	int hpt = saturate_cast<int>(0.9*size);
	for (int i = 0; i < 256; i++)
	{
		float binValue = dstHist.at<float>(i);
		int realValue = saturate_cast<int>(binValue*hpt / maxValue);
		rectangle(dstImage, Point(i*scale, size - 1), Point((i + 1)*scale - 1, size - realValue), Scalar(255));
	}
	imshow("一维直方图", dstImage);

	waitKey(0);
	return 0;
}