opencv c++ （6）：直方图

1. 绘制直方图

在OpenCV C++中，直方图是一种用来表示图像亮度或颜色分布情况的工具。直方图可以帮助我们了解图像中不同亮度或颜色值的像素数量，从而可以进行图像增强、图像分割、特征提取等操作。

在OpenCV C++中，我们可以使用cv::calcHist()函数来计算图像的直方图，使用cv::normalize()函数对直方图进行归一化处理。直方图可以用来进行直方图均衡化、直方图匹配、直方图反向投影等操作，以改善图像质量或实现特定的图像处理需求。

总的来说，直方图在图像处理中扮演着非常重要的角色，可以帮助我们更好地理解图像的特征和分布情况，从而进行更精准的图像处理操作。通过直方图分析，我们可以更好地调整图像的亮度、对比度，或者进行目标检测、图像分类等任务。
具体看以下代码例子

#include <iostream>
#include<opencv.hpp>
#include<opencv2\highgui\highgui.hpp>

using namespace std;
using namespace cv;

int main()
{
    
    

	Mat src = imread("src.jpg");
	if (src.empty())
	{
    
    
		cout << "could not open file!";
		cout << endl;
		return -1;
	}
	imshow("src", src);
	//分离
	vector<Mat>mv;
	split(src, mv);

	//1. 计算直方图
	int histSize = 256;
	Mat b_hist, g_hist, r_hist;
	float range[] = {
    
     0,255 };
	const float* histRanges = {
    
     range };

	calcHist(&mv[0], 1, 0, Mat(), b_hist, 1, &histSize, &histRanges, true, false);
	calcHist(&mv[1], 1, 0, Mat(), g_hist, 1, &histSize, &histRanges, true, false);
	calcHist(&mv[2], 1, 0, Mat(), r_hist, 1, &histSize, &histRanges, true, false);

	Mat result = Mat::zeros(Size(600, 400), CV_8UC3);
	int margin = 50;
	int nm = result.rows - 2 * margin;
	normalize(b_hist, b_hist, 0, nm, NORM_MINMAX, -1, Mat());
	normalize(g_hist, g_hist, 0, nm, NORM_MINMAX, -1, Mat());
	normalize(r_hist, r_hist, 0, nm, NORM_MINMAX, -1, Mat());

	float step = 500.0 / 256.0;
	for (int i = 0; i < 255; i++)
	{
    
    
		line(result, Point(step * i, 50 + (nm - b_hist.at<float>(i, 0))), Point(step * (i + 1), 50 + (nm - b_hist.at<float>(i + 1, 0))), Scalar(255, 0, 0), 2, 8, 0);
		line(result, Point(step * i, 50 + (nm - g_hist.at<float>(i, 0))), Point(step * (i + 1), 50 + (nm - g_hist.at<float>(i + 1, 0))), Scalar(0, 255, 0), 2, 8, 0);
		line(result, Point(step * i, 50 + (nm - r_hist.at<float>(i, 0))), Point(step * (i + 1), 50 + (nm - r_hist.at<float>(i + 1, 0))), Scalar(0, 0, 255), 2, 8, 0);
	}
	imshow("hist-result", result);
	waitKey(0);
	destroyAllWindows();
	return 0;

}

2. 直方图均衡化

直方图均衡化是一种常用的图像增强技术，它可以提高图像的对比度和亮度分布，使图像看起来更清晰和具有更好的视觉效果。在OpenCV C++中，可以通过以下步骤实现直方图均衡化：

读取图像：首先，使用cv::imread()函数读取图像文件。
转换为灰度图像：如果图像是彩色的，可以使用cv::cvtColor()函数将其转换为灰度图像。
计算直方图：使用cv::calcHist()函数计算灰度图像的直方图。
进行直方图均衡化：使用cv::equalizeHist()函数对灰度图像进行直方图均衡化。
显示处理后的图像：使用cv::imshow()函数显示直方图均衡化后的图像。

作用：它通过重新分布图像的像素值，使得图像的直方图在整个灰度范围内均匀分布。
好处：增加对比度，增加细节，在处理灰色图像的时候经常会用到这个方法来做图像增强
api很简单，下面是个例子。

#include <iostream>
#include<opencv.hpp>
#include<opencv2\highgui\highgui.hpp>

using namespace std;
using namespace cv;

int main()
{
    
    

	Mat src = imread("src.jpg");
	if (src.empty())
	{
    
    
		cout << "could not open file!";
		cout << endl;
		return -1;
	}
	imshow("src", src);
	Mat gray, dst;

	//转成灰度图
	cvtColor(src, gray, COLOR_BGR2GRAY);
	imshow("gray", gray);
	//均衡化
	equalizeHist(gray, dst);
	imshow("dst", dst);
	waitKey(0);
	destroyAllWindows();
	return 0;

}

结果：可以明显看到图片的细节变多了，图像对比度增加了。
在这里插入图片描述

3 api参数说明

calcHist：

void cv::calcHist(const Mat* images, 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：

images：输入图像的指针数组。
nimages：输入图像的数量。
channels：一个整数数组，指定要计算直方图的通道。
mask：用于指定感兴趣区域的可选掩码。
hist：输出的直方图。
dims：直方图的维度。
histSize：一个整数数组，指定每个维度的直方图大小。
ranges：一个浮点型数组，指定每个维度的像素值范围。
uniform：一个布尔值，指定直方图是否均匀分布。
accumulate：一个布尔值，指定是否累积直方图。

equalizeHist：

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

参数说明：

src：输入的灰度图像。
dst：输出的直方图均衡化后的图像。