Chinaunix首页 | 论坛 | 博客
  • 博客访问: 269953
  • 博文数量: 170
  • 博客积分: 0
  • 博客等级: 民兵
  • 技术积分: 1709
  • 用 户 组: 普通用户
  • 注册时间: 2014-05-06 18:01
文章分类

全部博文(170)

文章存档

2016年(11)

2015年(130)

2014年(29)

分类: C/C++

2015-02-16 21:38:21

灰度直方图是数字图像中最简单且有用的工具,这一篇主要总结OpenCV中直方图CvHistogram的结构和应用。








OpenCV中的直方图CvHistogram
注意我们在上面理解直方图的意义时更多把他想象成一幅“图”,继而理解图中横坐标,纵坐标的意义。而在OpenCV中,应该更多把直方图看做“数据结构”来理解。
OpenCV中用CvHistogram表示多维直方图

typedef struct CvHistogram  
{  
    int     type;  
    CvArr*  bins;  //存放每个灰度级数目的数组指针  
    float   thresh[CV_MAX_DIM][2];  //均匀直方图  
    float** thresh2; //非均匀直方图  
    CvMatND mat;  //直方图数组的内部数据结构  
}  
CvHistogram;  
这个结构看起来简单(比IplImage*元素少多了。。。)其实并不太好理解。
第一个成员type用来指定第二个成员bins的类型。OpenCv中常见到CvArr*的接口,可以用以指定诸如CvMat、CvMatND、IplImage的类型,其实CvArr*的是一个指向void的指针。在函数内部有时需要得到确切的指向类型,这就需要type来指定。
thresh用来指定统计直方图分布的上下界。比如[0 255]表示用来统计图像中像素分别在灰度级[0 255]区间的分布情况,CV_MAX_DIM对应直方图的维数,假如设定二维红-蓝直方图的thresh为[0 255;100 200],就是分别统计红色图像灰度级在[0 255]以及蓝色图像在灰度级[100 200]的分布情况。
thresh用以指定均匀直方图的分布,我们按每个像素理解自然是“均匀分布”,其实也可以统计像素在几个区间的分布。如果统计像素在2个区间的分布,则对应[0 255]的上下界,均匀分布统计的区间即[0 127] [127 255]分布的概率,这也是为什么thresh第二个维数默认为2——会自动均分上下界;而thresh2指定非均匀的分布,这就需要指定每个区间的上下界,如果要统计直方图在区间(0,10,100,255)的分布,那需要指定thresh2的一个维度为[0 10 100 255],所以用float**形式表示。
mat简单说就是存储了直方图的信息,即我们统计的直方图分布概率。


创建直方图 cvCreateHist()
OpenCV中用cvCreateHist()创建一个直方图:

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  
    );  
size数组的长度为dims,每个数表示分配给对应维数的bin的个数。如dims=3,则size中用[s1,s2,s3]分别指定每维bin的个数。
type有两种: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就是那个复杂的不好理解的thresh的范围,他的内容取决于uniform的值。uniform为0是均匀的,非0时不均匀。
计算图像直方图的函数为CalcHist():

void cvCalcHist(   
    IplImage** image, //输入图像(也可用CvMat**)  
    CvHistogram* hist, //直方图指针  
                 int accumulate=0, //累计标识。如果设置,则直方图在开始时不被清零。  
    const CvArr* mask=NULL //操作 mask, 确定输入图像的哪个象素被计数  
    );  
要注意的是这个函数用来计算一张(或多张)单通道图像的直方图,如果要计算多通道,则用这个函数分别计算图像每个单通道。


实践:一维直方图
下面实践一下用OpenCV生成图像的一维直方图
[cpp] view plaincopy
int main( )  
{  
    IplImage * src= cvLoadImage("baboon.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  
    cvCalcHist(&gray_plane,gray_hist,0,0);  
    //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     {  
        float bin_val = cvQueryHistValue_1D(gray_hist,i); //像素i的概率  
        int intensity = cvRound(bin_val*hist_height/max_value);  //要绘制的高度  
        cvRectangle(hist_image,  
            cvPoint(i*scale,hist_height-1),  
            cvPoint((i+1)*scale - 1, hist_height - intensity),  
            CV_RGB(255,255,255));    
    }  
    cvNamedWindow( "GraySource", 1 );  
    cvShowImage("GraySource",gray_plane);  
    cvNamedWindow( "H-S Histogram", 1 );  
    cvShowImage( "H-S Histogram", hist_image );  
  
    cvWaitKey(0);  
}  



实践:二维直方图
我们也可以结合OpenCV的例子生成二维直方图:
[cpp] view plaincopy
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 };          // hue is [0,180]  
        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 );  
刚才的图我们是对应每个横坐标绘制纵坐标的直方块,二维的图需要绘制每个点:
[cpp] view plaincopy
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_img,   
          cvPoint( h*scale, s*scale ),  
          cvPoint( (h+1)*scale - 1, (s+1)*scale - 1),  
          CV_RGB(intensity,intensity,intensity),   
          CV_FILLED);  
    }  
}  



阅读(1029) | 评论(0) | 转发(0) |
给主人留下些什么吧!~~