目錄

1.直方圖統(tǒng)計(jì)

2.直方圖均衡化

3.直方圖匹配

1.直方圖統(tǒng)計(jì)

? ? ? ?直方圖統(tǒng)計(jì)是一種用于分析圖像或數(shù)據(jù)的統(tǒng)計(jì)方法，它通過統(tǒng)計(jì)每個(gè)數(shù)值或像素值的頻率分布來了解數(shù)據(jù)的分布情況。

在OpenCV中，可以使用函數(shù)cv::calcHist()來計(jì)算圖像的直方圖。

calcHist() 函數(shù)的原型如下：

void 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);

參數(shù)說明：

• images: 輸入圖像數(shù)組，可以是單張圖像或多張圖像的數(shù)組。

• nimages: 輸入圖像的數(shù)量。

• channels: 要計(jì)算直方圖的通道索引數(shù)組。例如，對于灰度圖像，只有一個(gè)通道，因此?channels?設(shè)置為?{0}；而對于彩色圖像，可以指定?{0, 1, 2}?對應(yīng)于 B、G、R 三個(gè)通道。

• mask: 掩碼圖像，用于指定計(jì)算直方圖的區(qū)域。如果不需要使用掩碼，可以傳入空的?Mat()。

• hist: 輸出的直方圖，用于存儲(chǔ)計(jì)算結(jié)果。

• dims: 直方圖的維度，通常為 1。

• histSize: 直方圖的大小，即每個(gè)維度的條目數(shù)量。

• ranges: 直方圖的范圍，可以使用?{0, 256}?表示像素值范圍為 [0, 256)。

• uniform: 指示直方圖條目是否均勻分布，默認(rèn)為?true。

• accumulate: 指示是否累積直方圖，默認(rèn)為?false。

下面是一個(gè)示例代碼，展示如何使用cv::calcHist()函數(shù)計(jì)算圖像的直方圖：

#include <opencv2/opencv.hpp>
void hist(Mat image){
// 定義直方圖參數(shù)
int histSize = 256; // 直方圖條目數(shù)量
const int channels[1]={0};//通道索引
float range[] = { 0, 256 }; // 像素值范圍
const float* histRange = { range };
bool uniform = true; // 直方圖條目是否均勻分布
bool accumulate = false; // 直方圖是否累積
// 計(jì)算直方圖
cv::Mat hist;
cv::calcHist(&image, 1, channels, cv::Mat(), hist, 1, &histSize, &histRange, uniform, accumulate);

// 繪制直方圖
int histWidth = 512;
int histHeight = 400;
int binWidth = cvRound((double)histWidth / histSize);
cv::Mat histImage(histHeight, histWidth, CV_8UC4, cv::Scalar(0, 0, 0));
cv::normalize(hist, hist, 0, histImage.rows, cv::NORM_MINMAX, -1, cv::Mat());
for (int i = 1; i < histSize; ++i){
cv::line(histImage, cv::Point(binWidth * (i - 1), histHeight - cvRound(hist.at<float>(i - 1))),
cv::Point(binWidth * (i), histHeight - cvRound(hist.at<float>(i))),
cv::Scalar(255, 255, 255), 2, 8, 0);
}
// 顯示直方圖
cv::imwrite("/sdcard/DCIM/histImage.jpg", histImage);
}

示例代碼中將原圖像image轉(zhuǎn)換為單通道灰度圖像。然后定義了直方圖的參數(shù)，包括直方圖條目數(shù)量、像素值范圍、均勻性和累積性。接下來使用 cv::calcHist() 函數(shù)計(jì)算了圖像的直方圖，存儲(chǔ)在 hist 中。最后，通過繪制直方圖數(shù)據(jù)到 histImage 中，實(shí)現(xiàn)了直方圖的可視化。

2.直方圖均衡化

? ? ? ? 直方圖均衡化是一種用于增強(qiáng)圖像對比度的圖像處理技術(shù)。它通過重新分布圖像像素值的頻率分布來增強(qiáng)圖像的亮度和細(xì)節(jié)。

在OpenCV中，可以使用cv::equalizeHist()函數(shù)來進(jìn)行直方圖均衡化。該函數(shù)的原型如下：

void equalizeHist(InputArray src, OutputArray dst);

參數(shù)說明：

• src:需要直方圖均衡化的CV 8UC1圖像。

• dst: 直方圖均衡化后的輸出圖像，與src具有相同尺寸和數(shù)據(jù)類型

下面是一個(gè)示例代碼，展示如何使用cv::equalizeHist()函數(shù)來進(jìn)行直方圖均衡化：

#include <opencv2/opencv.hpp>
void drawHist(Mat &hist,string name){//歸一化并繪制直方圖函數(shù)
    int histSize = 256;  // 直方圖條目數(shù)量
    // 繪制直方圖
    int histWidth = 512;
    int histHeight = 400;
    int binWidth = cvRound((double)histWidth / histSize);
    cv::Mat histImage(histHeight, histWidth, CV_8UC4, cv::Scalar(0, 0, 0));
    cv::normalize(hist, hist, 0, histImage.rows, cv::NORM_MINMAX, -1, cv::Mat());

    for (int i = 1; i < histSize; ++i)
    {
        cv::line(histImage, cv::Point(binWidth * (i - 1), histHeight - cvRound(hist.at<float>(i - 1))),
                 cv::Point(binWidth * (i), histHeight - cvRound(hist.at<float>(i))),
                 cv::Scalar(255, 255, 255), 2, 8, 0);
    }
    // 顯示直方圖
    cv::imwrite("/sdcard/DCIM/"+name+".jpg", histImage);

}
void EqualImage(Mat image){
    //灰度化
    Mat gray;
    cvtColor(image,gray,COLOR_BGR2GRAY);
    //將灰度圖進(jìn)行直方圖均衡化
    Mat equalImg;
    equalizeHist(gray,equalImg);
    cv::imwrite("/sdcard/DCIM/equalImg.jpg", equalImg);
    // 定義直方圖參數(shù)
    int histSize = 256;  // 直方圖條目數(shù)量
    const int channels[1]={0};//通道索引
    float range[] = { 0, 256 };  // 像素值范圍
    const float* histRange = { range };
    bool uniform = true;  // 直方圖條目是否均勻分布
    bool accumulate = false;  // 直方圖是否累積

    // 計(jì)算直方圖
    cv::Mat hist;
    cv::calcHist(&equalImg, 1, channels, cv::Mat(), hist, 1, &histSize, &histRange, uniform, accumulate);

    drawHist(hist,"hist1");

}

示例代碼中將原圖像image轉(zhuǎn)換為單通道灰度圖像，然后將灰度圖進(jìn)行直方圖均衡化，之后定義了直方圖的參數(shù)，包括直方圖條目數(shù)量、像素值范圍、均勻性和累積性。接下來使用 cv::calcHist() 函數(shù)計(jì)算了圖像的直方圖，存儲(chǔ)在 hist 中。最后，通過繪制直方圖數(shù)據(jù)到 histImage 中，實(shí)現(xiàn)了直方圖的可視化。

3.直方圖匹配

? ? ? ?直方圖匹配（Histogram Matching）是一種圖像處理技術(shù)，用于將一副圖像的直方圖映射到另一副圖像上，從而使它們的亮度分布或顏色分布相似。該技術(shù)常用于圖像增強(qiáng)、風(fēng)格轉(zhuǎn)換、顏色校正等應(yīng)用中。

以下是一個(gè)使用OpenCV實(shí)現(xiàn)直方圖匹配的示例代碼：

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

using namespace cv;
using namespace std;

void drawHist(Mat &hist,string name){//歸一化并繪制直方圖函數(shù)
    int histSize = 256;  // 直方圖條目數(shù)量
    // 繪制直方圖
    int histWidth = 512;
    int histHeight = 400;
    int binWidth = cvRound((double)histWidth / histSize);
    cv::Mat histImage(histHeight, histWidth, CV_8UC4, cv::Scalar(0, 0, 0));
    cv::normalize(hist, hist, 0, histImage.rows, cv::NORM_MINMAX, -1, cv::Mat());

    for (int i = 1; i < histSize; ++i)
    {
        cv::line(histImage, cv::Point(binWidth * (i - 1), histHeight - cvRound(hist.at<float>(i - 1))),
                 cv::Point(binWidth * (i), histHeight - cvRound(hist.at<float>(i))),
                 cv::Scalar(255, 255, 255), 2, 8, 0);
    }
    // 顯示直方圖
    cv::imwrite("/sdcard/DCIM/"+name+".jpg", histImage);

}
void  Histogram_matching(Mat img1,Mat img2){
    Mat hist1,hist2;
    //計(jì)算兩張圖像直方圖
    const int channels[1]={0};
    float inRanges[2]={0,255};
    const float *ranges[1]={inRanges};
    const int bins[1]={256};
    calcHist(&img1,1,channels,Mat(),hist1,1,bins,ranges);
    calcHist(&img2,1,channels,Mat(),hist2,1,bins,ranges);
    //歸一化兩張圖像的直方圖
    drawHist(hist1,"hist1");
    drawHist(hist2,"hist2");
    //計(jì)算兩張圖像直方圖的累計(jì)概率
    float hist1_cdf[256]={hist1.at<float>(0)};
    float hist2_cdf[256]={hist2.at<float>(0)};
    for(int i=1;i<256;i++){
        hist1_cdf[i]=hist1_cdf[i-1]+hist1.at<float>(i);
        hist2_cdf[i]=hist2_cdf[i-1]+hist1.at<float>(i);
    }
    //構(gòu)建累積概率誤差矩陣
    float diff_cdf[256][256];
    for(int i=0; i<256; i++){
        for(int j=0; j<256; j++){
            diff_cdf[i][j] = fabs(hist1_cdf[i] - hist2_cdf[j]);
        }
    }
    uchar lutone[256];
    for(int i=0;i<256;i++){
        //查找源灰度級為i的映射灰度
        //和i的累積概率差值最小的規(guī)定化灰度
        float min=diff_cdf[i][0];
        int index=0;
        //尋找累積概率誤差矩陣中每一行中的最小值
        for(int j=1;j<256;j++){
            if(min>diff_cdf[i][j]){
                min=diff_cdf[i][j];
                index=j;
            }
        }
        lutone[i]=index;
    }
    //生成LUT映射表
    Mat lut(1,256,CV_8UC1,lutone);
    Mat result,hist3;
    LUT(img1,lut,result);
    imwrite("/sdcard/DCIM/result.png",result);
    calcHist(&result,1,channels,Mat(),hist3,1,bins,ranges);
    drawHist(hist3,"hist3");

}

示例代碼：計(jì)算原始圖像和目標(biāo)圖像的直方圖，歸一化直方圖，計(jì)算累計(jì)直方圖，構(gòu)建累積概率誤差矩陣，根據(jù)最小差值構(gòu)建映射表，最后將原始圖像的灰度級根據(jù)映射表調(diào)整為目標(biāo)圖像的灰度級。下面是原始圖像和直方圖匹配后圖片，可以看出直方圖匹配后的圖片使得圖像中的細(xì)節(jié)更加清晰可見。

? ? ? ? ? ? ? ????

? ? ? ? ? ? ? 原圖? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??直方圖匹配的結(jié)果文章來源地址http://www.zghlxwxcb.cn/news/detail-695544.html

到了這里，關(guān)于OpenCV（十八）：圖像直方圖的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！