程序质量控制师

这个屌丝很懒，什么也没留下！

热门标签

【拜小白opencv】45-二维H-S直方图绘制----calcHist()函数、minMaxLoc()函数_hsv空间图像直方图

作者：程序质量控制师 | 2024-01-30 13:47:34

踩

hsv空间图像直方图

常言道“温故而知新”，写此文章就是对自己目前学习内容的小小的总结与记录。

本文力求用最简洁的语言，详细的代码将此部分内容讲解清楚，但由于博主同样是刚刚接触OpenCV，或许表达上有些瑕疵，还望读者能够指教探讨，大家共同进步。

博主机器配置为：VS2013+opencv2.4.13+Win-64bit。

若本文能给读者带来一点点启示与帮助，我就很开心了。

====================分割线====================

本节以HSV空间的H-S的二维联合直方图为例。需要说明的是，二维直方图并不是一个通道一个通道的分别独立平行计算，而是将两个通道的数据整合起来计算出的二维直方图。

前言：

直方图的定义

直方图(Histogram)又称柱状图、质量分布图，是一种统计报告图。直方图由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据类型，纵轴表示分布情况。在图像处理上，直方图是图像信息统计的有力工具。其实也就是统计一幅图某个亮度像素数量。

1-换个角度认识图像（直方图）

第一个就是当我们面对图像的时候，我们面对的是抽象的矩阵，如下图，下面是0-255的灰度图像的表示，密密麻麻的。

那么我们做的直方图，其实就是对这些像素值的统计。例如：首先，我们需要把0-255分成 17 个区域（bin），如下图所示：

我们对每个范围中的灰度值进行统计排序，做出如下的表格：

我们是以图像的灰度为例子说明这个直方图，当然直方图不仅仅用于灰度特种统计排序，还可以用于图像的梯度、方向等特征。

灰度直方图是灰度级的函数，描述图像中该灰度级的像素个数（或该灰度级像素出现的频率）：其横坐标是灰度级，纵坐标表示图像中该灰度级出现的个数（频率）。

在以上的过程中，我们使用到一些重要的参数，理解这些参数帮助我们更好的使用API函数。

dims：需要统计的特征的数目，我们上面只统计了灰度值这个特征，所以， dims =1。
bins：一般翻译为箱子，看上图，一共有16个bins，其实就和我们平时见得简单函数差不多。在图像直方图中，你可以把一个灰度值设置为一个bins，0~255强度的灰度值一共就需要256个bins，是不是很简单。
Range：就是范围啦，规定一个bins能够达到的最大和最小的范围。比如一张图片10*10，那么就有100个像素。然后前面已经说过，直方图是按照亮度统计像素数量，那么范围就是0~100啦。这里有一个地方要说一下，刚刚0~100还是对于比较小的图像，那么对于比较大的图像1000*1000，那么范围太大了。我们统计像素数量的时候肯定没有问题，但是要画直方图的时候，难道有一个包含100000个像素，岂不是要化的很长？所以，一般在画直方图的时候，会有一个比例缩放的过程，比如我提前定好我直方图最大的高度只能够是256，那么你就可以用(最大的高度/最大的像素量)统计到的像素量来进行缩放。这样就简单多了。我这里提到的缩放方式只是一种，你可以随便定义喜欢的缩放方式。

一维直方图的结构表示为：

再结合上面画的示意图，应该就很好理解了。

基本的概念其实很简答,想的时候要不要想复杂了,那么基本概念就到这里了。

===============分割线===============

2-H-S直方图

为了刻画图像中颜色的直观特性，常常需要分析图像HSV空间下的直方图特征。
HSV空间由色调、饱和度以及亮度构成，因此在进行直方图计算时，需要先将源RGB图像转换为HSV颜色空间图像，然后将对应的H和S通道进行单元划分，在其二维空间上计算对应直方图，其次再通过计算直方图空间上的最大值，归一化绘制相应的直方图信息。
色相-饱和度直方图常常应用在目标检测、特征分析及目标特征跟踪等场景中。

================分割线==============

3-相关函数说明

当然了，首先介绍的是计算直方图的函数了。

直方图计算：calcHist()函数

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 );

参数解释：

参数1：输入源图像。注意这里的格式是const Mat*，也就是说，你要传入一个地址，输入的数组(图片)或者数组集(一堆图片)需要为相同的深度（CV_8U或CV_32F）和相同的尺寸。
参数2：int类型的nimages，输入数组的个数，也就是第一个参数中存放了多少张“图像”，有几个原数组。
参数3：const int*类型的channels，用来计算直方图的channes的数组，需要统计的通道（dim）索引。第一个数组通道从0到images[0].channels()-1，而第二个数组通道从images[0]计算到images[0].channels()+images[1].channels()-1，以此类推。比如输入是2副图像，第一副图像有0，1，2共三个channel，第二幅图像只有0一个channel，那么输入就一共有4个channes，如果int channels[3] = {3, 2, 0}，那么就表示是使用第二副图像的第一个通道和第一副图像的第2和第0个通道来计算直方图。（这句表示没看懂）。
参数4：InputArray类型的mask，可选的操作掩码。如果此掩码不为空，那么它必须为8位（CV_8U）的数组，并且与images[i]有同样大小的尺寸，值为1的点将用来计算直方图。这里的非零掩码元素用于标记出统计直方图的数组元素数据。
参数5：OutputArray类型的hist，输出的计算出来的直方图，一个二维数组。
参数6：int类型dims，需要计算的直方图的维度，必须是正数，且不大于CV_MAX_DIMS。（32）
参数7：const int*类型的histSize，存放每个维度的直方图尺寸的数组。简单把直方图看作一个一个的竖条的话，就是每一维上竖条的个数。
参数8：const float**类型的ranges，表示每一个维度数组（第6个参数dims）的每一维的边界阵列，可以理解为每一维数值的取值范围。比如 float rang1[] = {0, 20}；float rang2[] = {30, 40}； const float*rangs[] = {rang1, rang2}；那么就是对0，20和30，40范围的值进行统计。
参数9：bool类型的uniform，表示直方图是否均匀的标识符，即每一个竖条的宽度是否相等。有默认值true。
参数10：bool类型的accumulate，累计标识符，有默认值false。若其为true，直方图在配置阶段不会被清零。此功能主要是允许从多个阵列中计算单个直方图，或者用于在特定的时间更新直方图。

=====================间隔线======================

寻找最值：minMaxLoc()函数

功能：查找全局最小和最大数组元素并返回它们的值和它们的位置。

void minMaxLoc(InputArray src, CV_OUT double* minVal,
CV_OUT double* maxVal=0, CV_OUT Point* minLoc=0,
CV_OUT Point* maxLoc=0, InputArray mask=noArray());

参数解释

参数1：InputArray类型的src，输入单通道数组（图像）。
参数2：double*类型的minVal，返回最小值的指针。若无须返回，此值置为NULL。
参数3：double*类型的maxVal，返回最大值的指针。若无须返回，此值置为NULL。
参数4：Point*类型的minLoc，返回最小位置的指针（二维情况下）。若无须返回，此值置为NULL。
参数5：Point*类型的maxLoc，返回最大位置的指针（二维情况下）。若无须返回，此值置为NULL。
参数6：InputArray类型的mask，用于选择子阵列的可选掩膜。

=====================间隔线======================

绘图方法详情请看官方文档：基本绘图

=====================分割线=====================

4-代码演示

//--------------------------------------------------------------
//功能：绘制H-S直方图（二维）
//--------------------------------------------------------------
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>
using namespace std;
using namespace cv;
int main()
{
//------------【1】读取源图像并转化为HSV颜色模型------------
Mat srcImage, hsvImage;
srcImage = imread("D:/OutPutResult/ImageTest/jianzhu6.jpg");
if (!srcImage.data)
{
cout << "读取图片错误，请重新输入正确路径！\n";
system("pause");
return -1;
}
cvtColor(srcImage, hsvImage, COLOR_BGR2HSV); //RGB颜色空间转换为HSV颜色空间
//------------【2】参数准备------------------------------------
//将灰度量化为30个等级，将饱和度量化为32个等级
int hueBinNum = 30; //灰度色调的直方图直条数量
int saturationBinNum = 32; //饱和度的直方图直条数量
int histSize[] = { hueBinNum, saturationBinNum };
//定义灰度的变化范围为0到179
float hueRanges[] = { 0, 180 };
//定义饱和度的变化范围为0(黑，白，灰)到255（纯光谱颜色）
float saturationRanges[] = { 0, 256 };
const float* ranges[] = { hueRanges, saturationRanges };
MatND dstHist;
//选取计算直方图通道。calcHist函数中将计算第0通道和第1通道的直方图
int channels[] = { 0, 1 };
//------------【3】正式calcHist，进行直方图计算------------
calcHist(&hsvImage, //输入的数组
1, //数组个数为1
channels, //通道索引
Mat(), //不使用掩膜
dstHist, //输出的目标直方图
2, //需要计算的直方图的维度为2
histSize, //存放每个维度的直方图尺寸的数组
ranges, //每一维数值的取值范围数组
true, //指示直方图是否均匀的标识符，true表示均匀的直方图
false); //累计标识符，false表示直方图在配置阶段会被清零
//------------【4】为绘制直方图准备参数------------------------------------
double maxValue = 0;
minMaxLoc(dstHist, 0, &maxValue, 0, 0); //查找到直方图的最大值
int scale = 10;
Mat histImg = Mat::zeros(saturationBinNum*scale, hueBinNum * 10, CV_8UC3);
//------------【5】双层循环，进行直方图绘制。遍历H、S通道------------
for (int hue = 0; hue < hueBinNum; hue++)
{
for (int saturation = 0; saturation < saturationBinNum; saturation++)
{
float binValue = dstHist.at<float>(hue, saturation); //直方图直条的值
int intensity = cvRound(binValue * 255 / maxValue); //强度
//正式进行绘制
rectangle(histImg, Point(hue*scale, saturation*scale), Point((hue + 1)*scale - 1,
(saturation + 1)*scale - 1), Scalar::all(intensity), CV_FILLED);
}
}
//------------【6】显示效果图------------------------
imshow("【源图像-RGB颜色空间】", srcImage);
imshow("【源图像转HSV颜色空间】", hsvImage);
imshow("H-S直方图", histImg);
waitKey(0);
return 0;
}

=========================分割线===================

5-显示结果

====================分割线=================

6-程序说明

注意：色调（Hue）,饱和度（Saturation）。 所以“H-S直方图”就是“色调-饱和度直方图” 。

参考文献：

【OpenCV】绘制直方图

Opencv2系列学习笔记4(灰度直方图)

OpenCV从入门到放弃(七):直方图那些事儿

Opencv图像识别从零到精通（8）-----灰度直方图

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/article/detail/46746