博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
opencv(8)直方图操作
阅读量:6832 次
发布时间:2019-06-26

本文共 5725 字,大约阅读时间需要 19 分钟。

opencv中的直方图弄的一点小复杂,看了好几天还是有点不明白,尤其是后面涉及多维直方图的时候,算了还是一步一步的重新看一下吧。

一 直方图基本操作

1 CvHistogram

CvHistogram      typedef struct CvHistogram      {          int     type;          CvArr*  bins;  //存放每个灰度级数目的数组指针 实际上是 mat->data的数据        float   thresh[CV_MAX_DIM][2];  //均匀直方图  中每个bin的边界        float** thresh2; //非均匀直方图          CvMatND mat;  //直方图数组的内部数据结构      }      CvHistogram;
thresh是一个二维数据,里面存储每个bin的上下边界,对于非均匀直方图,存储在thresh2中,直方图的数据主要存储在CvMatND结构中,bins中其实就是指向CvMatND中
的data数据指针,对于密集矩阵,可以通过CvMatND mat直接访问直方图数据
2.直方图的创建
cvCreateHist    CvHistogram* cvCreateHist    (           int dims, //直方图维数           int* sizes,//直翻图维数尺寸          int type, //直方图的表示格式           float** ranges=NULL, //图中方块范围的数组          int uniform=1 //归一化标识       );
sizes必须为整数数组,长度等于dims的大小,每个整数表示对应维数分配的bin个数。例如dims =2, sizes = [255,255],表示2维都是255个bin。
type指定直方图存储的数据结构,CV_HIST_ARRAY 意味着直方图数据表示为多维密集数组 CvMatND; CV_HIST_TREE 意味着直方图数据表示为多维稀疏数组 CvSparseMat。
ranges是有浮点数构成,表明每个维度的统计范围,数组个数和dims相等,也和uniform的值相关。当uniform=1时,表示直方图是均匀的,那么rangs只用给出整个维度统计的上下限,程序会根据这个总范围和维数决定每个bin的统计区间,例如uniform=1,dim =1 , sizes = 2 , rangs = [0,10],那么直方图中有2个bin的统计区间分别为[0 5] , [5 10] ;另一个复杂点的例子
int dims = 2 ; int h_bins = 8, s_bins = 8;    int hist_size[] = {h_bins, s_bins};  //每个维度的bin数目float h_ranges[] = { 0, 180 };       //统计区间float s_ranges[] = { 0, 255 };float* ranges[] = { h_ranges, s_ranges };//两个维度的统计区间int  uniform = 1 ;

当uniform=0时直方图是非均匀的,需要用数组对来表示,如果某维数里面有N个bin,需要N+1个数表示,例如,uniform=0,dim =4 , sizes = 1 ,

rangs = [0,2,4,9,10] ,对应的每个bin的统计区级为[0 2] [2 4] [4 9] [9 10] .

3 直方图释放

void cvReleaseHist( CvHistogram** hist );  //函数 cvReleaseHist 释放直方图 (头和数据). 指向直方图的指针被函数所清空。如果 *hist 指针已经为 NULL, 则函数不做任何事情。void cvClearHist( CvHistogram* hist );      //函数 cvClearHist 当直方图是稠密数组时将所有直方块设置为 0,当直方图是稀疏数组时,除去所有的直方块。

 

4.访问直方图的函数

一种是采用函数访问;double  cvquerhistValue_nD(CvHistogram* hist,int*idex);

对于密集直方图可以采用直接访问的

int n_dimension             = histogram->mat.dims;int dim_i_nbins             = histogram->mat.dim[ i ].size;// uniform histogramsint dim_i_bin_lower_bound   = histogram->thresh[ i ][ 0 ]; int dim_i_bin_upper_bound   = histogram->thresh[ i ][ 1 ];// nonuniform histogramsint dim_i_bin_j_lower_bound = histogram->thresh2[ i ][ j ];int dim_j_bin_j_upper_bound = histogram->thresh2[ i ][ j+1 ];

5.计算直方图

void cvCalcHist( IplImage** image, CvHistogram* hist, int accumulate=0, const CvArr* mask=NULL );

image为单通道的IplImage图像指针,多通道图像使用splid函数分开计算即可。accumulate说明直方图是否需要在计算前清零,如果为1则允许

cvCalcHist在一个数据采集循环中北多次调用。

6.直方图中的最大值最小值

cvGetMinMaxHistValuevoid cvGetMinMaxHistValue( const CvHistogram* hist,float* min_value, float* max_value,int* min_idx=NULL, int* max_idx=NULL );hist 直方图 min_value 直方图最小值的指针 max_value 直方图最大值的指针 min_idx 数组中最小坐标的指针 max_idx 数组中最大坐标的指针 函数 cvGetMinMaxHistValue 发现最大和最小直方块以及它们的位置。任何输出变量都是可选的。在具有同样值几个极值中,返回具有最小下标索引(以字母排列顺序定)的那一个。

 

实例1:灰度图像的直方图显示(1维直方图,256灰度)

灰度直翻图计算	      IplImage * src= cvLoadImage("24.jpg");  	IplImage* gray_plane = cvCreateImage(cvGetSize(src),8,1);  	cvCvtColor(src,gray_plane,CV_BGR2GRAY);  	int hist_size   = 256;    //直方图尺寸 	int hist_height = 256;  	float range[] = {0,255};  //灰度级的范围 	float* ranges[]={range};  	//创建一维直方图,统计图像在[0 255]像素的均匀分布 	CvHistogram* gray_hist = cvCreateHist(1,&hist_size,CV_HIST_ARRAY,ranges,1);  	//计算灰度图像的一维直方图 	printf("dim:%d\n",gray_hist->mat.dims);                  //访问直方图	printf("num of bin:%d\n",gray_hist->mat.dim[0].size);	printf("low of dim:%f\n",gray_hist->thresh[0][0]);	printf("up  of dim:%f\n",gray_hist->thresh[0][1]);	cvCalcHist(&gray_plane,gray_hist,0,0);  	for (UINT i = 0 ; i < gray_hist->mat.dim->size ; i ++)  //访问直方图	{			printf("%d_bin:%f-----",i+1,cvQueryHistValue_1D(gray_hist,i));			printf("%d_bin:%f\n",i + 1 ,*(gray_hist->mat.data.fl + i));	}	//归一化直方图 	cvNormalizeHist(gray_hist,1.0);  	int scale = 2;  	//创建一张一维直方图的“图”,横坐标为灰度级,纵坐标为像素个数(*scale) 	IplImage* hist_image = cvCreateImage(cvSize(hist_size*scale,hist_height),8,3);  	cvZero(hist_image);  	//统计直方图中的最大直方块 	float max_value = 0;  	cvGetMinMaxHistValue(gray_hist, 0,&max_value,0,0);  	//分别将每个直方块的值绘制到图中 	for(int i=0;i
输出结果
实例2:二维直方图
二维直方图IplImage * src= cvLoadImage("5.jpg");  IplImage* r_plane  = cvCreateImage( cvGetSize(src), 8, 1 );  IplImage* g_plane  = cvCreateImage( cvGetSize(src), 8, 1 );  IplImage* b_plane  = cvCreateImage( cvGetSize(src), 8, 1 );  IplImage* planes[] = { r_plane, g_plane };  //将HSV图像分离到不同的通道中 cvCvtPixToPlane( src, b_plane, g_plane, r_plane, 0 );  // 生成二维直方图数据结构 int r_bins =256, b_bins = 256;   CvHistogram* hist;  int    hist_size[] = { r_bins, b_bins };  float  r_ranges[]  = { 0, 255 };        float  b_ranges[]  = { 0, 255 };   float* ranges[]    = { r_ranges,b_ranges };  hist = cvCreateHist( 2, hist_size, CV_HIST_ARRAY, ranges, 1);   //计算一张或多张单通道图像image(s) 的直方图 cvCalcHist( planes, hist, 0, 0 );  int scale = 2;  //创建一张一维直方图的“图”,横坐标为灰度级,纵坐标为像素个数(*scale) IplImage* hist_image = cvCreateImage(cvSize(r_bins * scale, b_bins * scale),8,3);  cvZero(hist_image);  //统计直方图中的最大直方块 float max_value = 0;  cvNormalizeHist(hist,1.0);  cvGetMinMaxHistValue(hist, 0,&max_value,0,0);  for( int h = 0; h < r_bins; h++ ) {  	for( int s = 0; s < b_bins; s++ )	{  		float bin_val = cvQueryHistValue_2D( hist, h, s ); //查询直方块的值 		int intensity = cvRound( bin_val * 255 / max_value );  		cvRectangle( hist_image,   			cvPoint( h*scale, s*scale ),  			cvPoint( (h+1)*scale - 1, (s+1)*scale - 1),  			CV_RGB(intensity,intensity,intensity),   			CV_FILLED);  	}  }  cvNamedWindow( "Source");  cvShowImage("Source",src);  cvNamedWindow( "H-S Histogram", 1 );  cvShowImage( "H-S Histogram", hist_image );  cvWaitKey(0);

 

处理的显示形式不是opencv例子那里的形式,这里采用R分量为X轴,B分量为Y轴,r,b中存储的量为X Y分别为响应值的统量,如下图,里面全部是红色,B分量只有一点,所有直翻图中的X轴(R分量)靠后,Y轴(B分量)很小

作者:
转载请注明地址:
 

转载于:https://www.cnblogs.com/zsb517/archive/2012/06/16/2552256.html

你可能感兴趣的文章
循环队列的实现
查看>>
Hibernate的unsaved-value
查看>>
DNS故障处理一例(转)
查看>>
12月14日中国域名商解析量17强:易名增幅最大
查看>>
常见的WebPack文件、什么是WebPack
查看>>
DVD刻录机的使用与维护
查看>>
构建Postfix邮件系统(二) -- SMTP认证发信+SquirrelMail
查看>>
Oracle 使用concat函数需要注意的地方
查看>>
条件测试
查看>>
linux磁盘管理
查看>>
线上部署链路聚合bonding
查看>>
学LIUNX的常用英语补习
查看>>
单点登录CAS解决方案<一>:纯净CAS-Server
查看>>
Mysql 数据库表区分大小写问题
查看>>
什么是openstack的metadata
查看>>
原创:SecureCRT连接linux终端颜色配置
查看>>
java关键字--this
查看>>
SDL_AudioSpec结构体分析
查看>>
Autoconf和Automake,自动生成Makefile
查看>>
观影《寒战》
查看>>