C++ OpenCV绘制简易直方图DrawHistImg

下面是对于C++ OpenCV绘制简易直方图的完整攻略。

什么是直方图？

直方图是一种图表，用于表示数据集中各元素频度分布情况的统计表。在计算机视觉中，直方图一般用来表示一幅图像中各个像素值所占的比例。

OpenCV绘制简易直方图的函数

在OpenCV中，我们可以使用 cv::calcHist 函数来计算图像的直方图，然后使用 cv::normalize 函数对直方图做归一化处理，最后使用 cv::imshow 函数展示出直方图。

函数原型：

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 )

函数参数说明：

• images：输入图像的数组，可以包含一个或多个图像。
• nimages：输入图像的数量。
• channels：希望处理的通道，要传入一个数组。
• mask：图像掩码，指定了感兴趣区域。
• hist：输出直方图。
• dims：直方图的维度。
• histSize：直方图每个维度的划分数量。
• ranges：数组大小和 dims 相同，用来表示每个维度的取值范围。
• uniform：是否对每个 bin 进行归一化处理。
• accumulate：是否累计计算直方图。

示例1：

下面是一个简单的例子，展示如何使用 cv::calcHist 计算图像的直方图，并使用 cv::normalize 进行归一化处理，最后使用 cv::imshow 函数展示出直方图。

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main(int argc, char** argv) {
    if (argc != 2) {
        cerr << "usage: ./hist <image_path>" << endl;
        return -1;
    }

    string image_path(argv[1]);

    Mat image = imread(image_path, IMREAD_COLOR);
    if (image.empty()) {
        cerr << "failed to read image: " << image_path << endl;
        return -1;
    }

    vector<Mat> channels;
    split(image, channels); // 将彩色图像拆分成三个通道

    int histSize = 256;
    float range[] = {0, 256};
    const float* histRanges[] = {range};

    Mat hist;
    calcHist(&channels[0], 1, 0, Mat(), hist, 1, &histSize, histRanges, true, false);

    normalize(hist, hist, 0, image.rows, NORM_MINMAX, -1, Mat());

    int histWidth = 512;
    int histHeight = 400;
    int binWidth = cvRound((double) histWidth / histSize);

    Mat histImage(histHeight, histWidth, CV_8UC1, Scalar(0));
    for (int i = 0; i < histSize; i++) {
        line(histImage, Point(binWidth * i, histHeight), Point(binWidth * i, histHeight - cvRound(hist.at<float>(i))), Scalar(255), binWidth);
    }

    imshow("Histogram", histImage);
    waitKey(0);

    return 0;
}

这个例子展示了如何将一个彩色图像拆分成三个通道，并计算每个通道的直方图。最后将三个通道的直方图相加并对结果进行归一化处理，然后展示出直方图。

示例2：

下面是另一个例子，更加详细地展示了如何绘制彩色图像的直方图。

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main(int argc, char** argv) {
    if (argc != 2) {
        cerr << "usage: ./hist <image_path>" << endl;
        return -1;
    }

    string image_path(argv[1]);

    Mat image = imread(image_path, IMREAD_COLOR);
    if (image.empty()) {
        cerr << "failed to read image: " << image_path << endl;
        return -1;
    }

    vector<Mat> bgr_planes;
    split(image, bgr_planes);

    int histSize = 256;
    float range[] = {0, 256};
    const float* histRanges[] = {range};

    Mat b_hist, g_hist, r_hist;

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

    int hist_w = 512, hist_h = 400;
    int bin_w = cvRound((double) hist_w / histSize);

    Mat histImage(hist_h, hist_w, CV_8UC3, Scalar(0, 0, 0));

    normalize(b_hist, b_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat());
    normalize(g_hist, g_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat());
    normalize(r_hist, r_hist, 0, histImage.rows, NORM_MINMAX, -1, Mat());

    for (int i = 1; i < histSize; i++) {
        line(histImage, Point(bin_w * (i - 1), hist_h - cvRound(b_hist.at<float>(i - 1))), Point(bin_w * (i), hist_h - cvRound(b_hist.at<float>(i))), Scalar(255, 0, 0), 2, LINE_AA);
        line(histImage, Point(bin_w * (i - 1), hist_h - cvRound(g_hist.at<float>(i - 1))), Point(bin_w * (i), hist_h - cvRound(g_hist.at<float>(i))), Scalar(0, 255, 0), 2, LINE_AA);
        line(histImage, Point(bin_w * (i - 1), hist_h - cvRound(r_hist.at<float>(i - 1))), Point(bin_w * (i), hist_h - cvRound(r_hist.at<float>(i))), Scalar(0, 0, 255), 2, LINE_AA);
    }

    imshow("Histogram of a Color Image", histImage);

    waitKey(0);

    return 0;
}

这个例子展示了如何绘制彩色图像的直方图。跟第一个例子一样，首先将彩色图像拆分成三个通道，计算每个通道的直方图，然后将三个通道的直方图绘制到一张三通道的图像上。最后展示出图像即可。