基於C++/opencv 提取圖像的直方圖

 一個圖像是由不同顏色值的像素組成的，像索值在圖像中的分布情況是這幅圖像的一個重要特征。圖像是由像素組成的，在一個單通道的灰度圖像中，每個像素的值介於0(黑色)-

255（白色）之間。根據圖像的內容，你會發現每個灰度值的像素數目是不同的。

直方圖是一個簡單的表，它給出了一幅圖像或一組圖像中擁有給定數值的像素數量。因此，灰度圖像的直方圖有256個條目(或稱為容器)。0號容器給出值為0的像素個數，1號容器給出值為1的像素個數，依此類推。顯然，如果你對方圖的所有項求和，會得到像素的總數。直方圖也可以被歸一化，歸一化后的所有項之和等於1。在這種情況下，每一項給出的都是擁有特定數值的像素在圖像中占的比例。

謝謝原博：http://blog.csdn.net/andrewseu/article/details/49616279

　　　　　http://blog.csdn.net/garfielder007/article/details/49931049

以下是兩種提取圖像直方圖的方法：

法一：

// test1_320平滑處理.cpp : 定義控制台應用程序的入口點。
//

#include "stdafx.h"
#include"iostream"
#include<cv.h>
#include <opencv2/core/core.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
using namespace std;
using namespace cv;


int _tmain(int argc, _TCHAR* argv[])
{
IplImage* src = cvLoadImage("Blind.jpg");
IplImage* hsv = cvCreateImage(cvGetSize(src), 8, 3);
IplImage* h_plane = cvCreateImage(cvGetSize(src), 8, 1);
IplImage* s_plane = cvCreateImage(cvGetSize(src), 8, 1);
IplImage* v_plane = cvCreateImage(cvGetSize(src), 8, 1);
IplImage* planes[] = {h_plane,s_plane};

//H分量划分為16個等級，S分量划分為8個等級
int h_bins = 16, s_bins = 8;
int hist_size[] = { h_bins, s_bins };

//H分量的變化范圍
float h_ranges[] = { 0, 180 };
//S分量的變化范圍
float s_ranges[] = { 0, 255 };
float* ranges[] = { h_ranges, s_ranges };
//輸入圖像轉到HSV顏色空間
cvCvtColor(src, hsv, CV_BGR2HSV);
cvCvtPixToPlane(hsv, h_plane, s_plane, v_plane,0);
//創建直方圖，二維，每個維度上均分
CvHistogram * hist = cvCreateHist(2, hist_size, CV_HIST_ARRAY, ranges, 1);
//根據H,S兩個平面數據統計直方圖
cvCalcHist(planes, hist, 0, 0);
//獲取直方圖統計的最大值，用於動態顯示直方圖
float max_value;
cvGetMinMaxHistValue(hist, 0, &max_value, 0, 0);
//設置直方圖顯示圖像
int height = 240;
int width = (h_bins*s_bins * 6);
IplImage* hist_Img = cvCreateImage(cvSize(width, height), 8, 3);
cvZero(hist_Img);
//用來進行HSV到RGB顏色轉換的臨時單位圖像
IplImage * hsv_color = cvCreateImage(cvSize(1, 1), 8, 3);
IplImage * rgb_color = cvCreateImage(cvSize(1, 1), 8, 3);
int bin_w = width / (h_bins*s_bins);
for (int h = 0; h < h_bins;h++)
{
for (int s = 0; s < s_bins;s++)
{
int i = h*s_bins + s;
//獲取直方圖中的統計次數，計算顯示在圖像中的高度
float bin_val = cvQueryHistValue_2D(hist, h, s);
int intensity = cvRound(bin_val*height / max_value);
//獲取當前直方圖代表的顏色，轉換成RGB用於繪制
cvSet2D(hsv_color, 0, 0, cvScalar(h*180.f / h_bins, s*255.f / s_bins, 255,0));
cvCvtColor(hsv_color, rgb_color, CV_HSV2BGR);
CvScalar color = cvGet2D(rgb_color, 0, 0);
cvRectangle(hist_Img, cvPoint(i*bin_w, height),
cvPoint((i+1)*bin_w,height-intensity),color,-1,8,0);
}
}
cvNamedWindow("Source", 1);
cvShowImage("Source", src);
cvNamedWindow("H-S Histogram", 1);
cvShowImage("H-S Histogram", hist_Img);
cvWaitKey(0);
return 0;
}

 

 法二：

// test2_321.cpp : 定義控制台應用程序的入口點。
//

#include "stdafx.h"
#include<iostream>
#include<opencv2/opencv.hpp>  
#include <opencv2/core/core.hpp>
#include<opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
using namespace std;
using namespace cv;

class HistogramND
{
private:
    Mat image;//源圖像  
    int hisSize[1], hisWidth, hisHeight;//直方圖的大小,寬度和高度  
    float range[2];//直方圖取值范圍  
    const float *ranges;
    Mat channelsRGB[3];//分離的BGR通道  
    MatND outputRGB[3];//輸出直方圖分量  
public:
    HistogramND(){
        hisSize[0] = 256;
        hisWidth = 400;
        hisHeight = 400;
        range[0] = 0.0;
        range[1] = 256.0;
        ranges = &range[0];
    }

    //導入圖片  
    bool importImage(String path){
        image = imread(path);
        if (!image.data)
            return false;
        return true;
    }

    //分離通道  
    void splitChannels(){
        split(image, channelsRGB);
    }

    //計算直方圖  
    void getHistogram(){
        calcHist(&channelsRGB[0], 1, 0, Mat(), outputRGB[0], 1, hisSize, &ranges);
        calcHist(&channelsRGB[1], 1, 0, Mat(), outputRGB[1], 1, hisSize, &ranges);
        calcHist(&channelsRGB[2], 1, 0, Mat(), outputRGB[2], 1, hisSize, &ranges);

        //輸出各個bin的值  
        for (int i = 0; i < hisSize[0]; ++i){
            cout << i << "   B:" << outputRGB[0].at<float>(i);
            cout << "   G:" << outputRGB[1].at<float>(i);
            cout << "   R:" << outputRGB[2].at<float>(i) << endl;
        }
    }

    //顯示直方圖  
    void displayHisttogram(){
        Mat rgbHist[3];
        for (int i = 0; i < 3; i++)
        {
            rgbHist[i] = Mat(hisWidth, hisHeight, CV_8UC3, Scalar::all(0));
        }
        normalize(outputRGB[0], outputRGB[0], 0, hisWidth - 20, NORM_MINMAX);
        normalize(outputRGB[1], outputRGB[1], 0, hisWidth - 20, NORM_MINMAX);
        normalize(outputRGB[2], outputRGB[2], 0, hisWidth - 20, NORM_MINMAX);
        for (int i = 0; i < hisSize[0]; i++)
        {
            int val = saturate_cast<int>(outputRGB[0].at<float>(i));
            rectangle(rgbHist[0], Point(i * 2 + 10, rgbHist[0].rows), 
                Point((i + 1) * 2 + 10, rgbHist[0].rows - val), Scalar(0, 0, 255), 1, 8);
            val = saturate_cast<int>(outputRGB[1].at<float>(i));
            rectangle(rgbHist[1], Point(i * 2 + 10, rgbHist[1].rows), Point((i + 1) * 2 + 10, 
                rgbHist[1].rows - val), Scalar(0, 255, 0), 1, 8);
            val = saturate_cast<int>(outputRGB[2].at<float>(i));
            rectangle(rgbHist[2], Point(i * 2 + 10, rgbHist[2].rows), Point((i + 1) * 2 + 10, 
                rgbHist[2].rows - val), Scalar(255, 0, 0), 1, 8);
        }

        cv::imshow("R", rgbHist[0]);
        imshow("G", rgbHist[1]);
        imshow("B", rgbHist[2]);
        imshow("image", image);
    }
};




int _tmain(int argc, _TCHAR* argv[])
{
    String path = "D:\\LiHong\\Blind Way Recognition\\MyProject\\test2_321\\test2_321\\Blind.jpg";
    /*cv::Mat img = cv::imread("Blind.jpg");*/
    HistogramND hist;
    /*if (!img.data)
    {
        return -1;
    }*/
    if (!hist.importImage(path)){
        cout << "Import Error!" << endl;
        return -1;
    }
    hist.splitChannels();
    hist.getHistogram();
    hist.displayHisttogram();
    cv::waitKey();


    return 0;
}