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:

  1. 读取图像:首先,使用cv::imread()函数读取图像文件。
  2. 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。
  3. 计算直方图:使用cv::calcHist()函数计算灰度图像的直方图。
  4. 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。
  5. 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。

猜你喜欢

转载自blog.csdn.net/m0_59156726/article/details/135994677