1 、目的

使用OpenCV函數(shù) split 將圖像分割成單通道數(shù)組。
使用OpenCV函數(shù) calcHist 計(jì)算圖像陣列的直方圖
使用OpenCV函數(shù) normalize歸一化數(shù)組

2 、直方圖概念

下面兩幅圖表達(dá)直方圖概念

1 .

image.png

2 .

下面直方圖概念是基于圖像像素值，其實(shí)對(duì)圖像梯度、每個(gè)像素的角度、等一切圖像的屬性值，我們都可以建立直方圖。這個(gè)才是直方圖的概念真正意義，不過是基于圖像像素灰度直方圖是最常見的。
直方圖最常見的幾個(gè)屬性：
dims 表示維度，對(duì)灰度圖像來(lái)說只有一個(gè)通道值dims=1
bins 表示在維度中子區(qū)域大小劃分，bins=256，劃分為256個(gè)級(jí)別

range 表示值得范圍，灰度值范圍為[0~255]之間

image.png

3 、API函數(shù)

CV_EXPORTS_W void split(InputArray m, OutputArrayOfArrays mv);
split(// 把多通道圖像分為多個(gè)單通道圖像
const Mat &src, //輸入圖像
Mat* mvbegin）// 輸出的通道圖像數(shù)組


CV_EXPORTS 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 );
calcHist(
 const Mat* images,//輸入圖像指針
int images,// 圖像數(shù)目
const int* channels,// 通道數(shù)
InputArray mask,// 輸入mask，可選，不用
OutputArray hist,//輸出的直方圖數(shù)據(jù)
int dims,// 維數(shù)
const int* histsize,// 直方圖級(jí)數(shù)
const float* ranges,// 值域范圍
bool uniform,// true by default
bool accumulate// false by defaut
)

CV_EXPORTS_W void normalize( InputArray src, InputOutputArray dst, double alpha = 1, double beta = 0,
                             int norm_type = NORM_L2, int dtype = -1, InputArray mask = noArray());
src               輸入數(shù)組；
dst               輸出數(shù)組，數(shù)組的大小和原數(shù)組一致；
alpha           1,用來(lái)規(guī)范值，2.規(guī)范范圍，并且是下限；
beta             只用來(lái)規(guī)范范圍并且是上限；//為0時(shí)則為值歸一化，否則為范圍歸一化
norm_type   歸一化選擇的數(shù)學(xué)公式類型；
dtype           當(dāng)為負(fù)，輸出在大小深度通道數(shù)都等于輸入，當(dāng)為正，輸出只在深度與輸如不同，不同的地方游dtype決定；
mark            掩碼。選擇感興趣區(qū)域，選定后只能對(duì)該區(qū)域進(jìn)行操作。

4 、整體代碼測(cè)試

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

using namespace std;
using namespace cv;

int main(int argc, char** argv) {
    Mat src = imread("D:\\pic/4.jpg");
    if (!src.data) {
        printf("could not load image...\n");
        return -1;
    }
    char INPUT_T[] = "input image";
    char OUTPUT_T[] = "histogram demo";
    namedWindow(INPUT_T, CV_WINDOW_AUTOSIZE);
    namedWindow(OUTPUT_T, CV_WINDOW_AUTOSIZE);
    imshow(INPUT_T, src);

    // 分通道顯示
    vector<Mat> bgr_planes;
    split(src, bgr_planes);
    //imshow("single channel demo", bgr_planes[0]);

    // 計(jì)算直方圖
    int histSize = 256;
    float range[] = { 0, 256 };
    const float* histRanges = { range };
    Mat b_hist, g_hist, r_hist;
    calcHist(&bgr_planes[0], 1, 0, Mat(), b_hist, 1, &histSize, &histRanges, true, false);
    calcHist(&bgr_planes[1], 1, 0, Mat(), g_hist, 1, &histSize, &histRanges, true, false);
    calcHist(&bgr_planes[2], 1, 0, Mat(), r_hist, 1, &histSize, &histRanges, true, false);

    // 歸一化
    int hist_h = 400;
    int hist_w = 512;
    int bin_w = hist_w / histSize;
    Mat histImage(hist_w, hist_h, CV_8UC3, Scalar(0, 0, 0));
    normalize(b_hist, b_hist, 0, hist_h, NORM_MINMAX, -1, Mat());
    normalize(g_hist, g_hist, 0, hist_h, NORM_MINMAX, -1, Mat());
    normalize(r_hist, r_hist, 0, hist_h, NORM_MINMAX, -1, Mat());

    // render histogram chart
    for (int i = 1; i < histSize; i++) {
        line(histImage, Point((i - 1) * bin_w, hist_h - cvRound(b_hist.at<float>(i - 1))),
            Point((i)*bin_w, hist_h - cvRound(b_hist.at<float>(i))), Scalar(255, 0, 0), 2, LINE_AA);

        line(histImage, Point((i - 1) * bin_w, hist_h - cvRound(g_hist.at<float>(i - 1))),
            Point((i)*bin_w, hist_h - cvRound(g_hist.at<float>(i))), Scalar(0, 255, 0), 2, LINE_AA);

        line(histImage, Point((i - 1) * bin_w, hist_h - cvRound(r_hist.at<float>(i - 1))),
            Point((i)*bin_w, hist_h - cvRound(r_hist.at<float>(i))), Scalar(0, 0, 255), 2, LINE_AA);
    }
    imshow(OUTPUT_T, histImage);

    waitKey(0);
    return 0;
}

image.png