opencv——圖像直方圖

 

轉自http://blog.csdn.net/xiaowei_cqu/article/details/7600666

灰度直方圖是數字圖像中最簡單且有用的工具，這一篇主要總結OpenCV中直方圖CvHistogram的結構和應用。

灰度直方圖的定義

灰度直方圖是灰度級的函數，描述圖像中該灰度級的像素個數（或該灰度級像素出現的頻率）：其橫座標是灰度級，縱座標表示圖像中該灰度級出現的個數（頻率）。

一維直方圖的結構表示爲

高維直方圖可以理解爲圖像在每個維度上灰度級分佈的直方圖。常見的是二維直方圖。如紅-藍直方圖的兩個分量分別表示紅光圖像的灰度值和藍光圖像灰度值的函數。其圖像座標（Dr,Db）處對應在紅光圖像中具有灰度級Dr同時在藍光圖像中具有灰度級Db的像素個數。這是基於多光譜——每個像素有多個變量——的數字圖像，二維中對應每個像素統計個變量。

OpenCV中的直方圖CvHistogram

注意我們在上面理解直方圖的意義時更多把他想象成一幅“圖”，繼而理解圖中橫座標，縱座標的意義。而在OpenCV中，應該更多把直方圖看做“數據結構”來理解。

OpenCV中用CvHistogram表示多維直方圖（http://www.opencv.org.cn/index.php/Cv%E5%9B%BE%E5%83%8F%E5%A4%84%E7%90%86#CvHistogram）：

typedef struct CvHistogram
{
    int     type;
    CvArr*  bins;  //存放每個灰度級數目的數組指針
    float   thresh[CV_MAX_DIM][2];  //均勻直方圖
    float** thresh2; //非均勻直方圖
    CvMatND mat;  //直方圖數組的內部數據結構
}
CvHistogram;

這個結構看起來簡單（比IplImage*元素少多了。。。）其實並不太好理解。

第一個成員type用來指定第二個成員bins的類型。OpenCv中常見到CvArr*的接口，可以用以指定諸如CvMat、CvMatND、IplImage的類型，其實CvArr*的是一個指向void的指針。在函數內部有時需要得到確切的指向類型，這就需要type來指定。

thresh用來指定統計直方圖分佈的上下界。比如[0 255]表示用來統計圖像中像素分別在灰度級[0 255]區間的分佈情況，CV_MAX_DIM對應直方圖的維數，假如設定二維紅-藍直方圖的thresh爲[0 255;100 200]，就是分別統計紅色圖像灰度級在[0 255]以及藍色圖像在灰度級[100 200]的分佈情況。

thresh用以指定均勻直方圖的分佈，我們按每個像素理解自然是“均勻分佈”，其實也可以統計像素在幾個區間的分佈。如果統計像素在2個區間的分佈，則對應[0 255]的上下界，均勻分佈統計的區間即[0 127] [127 255]分佈的概率，這也是爲什麼thresh第二個維數默認爲2——會自動均分上下界；而thresh2指定非均勻的分佈，這就需要指定每個區間的上下界，如果要統計直方圖在區間（0，10,100,255）的分佈，那需要指定thresh2的一個維度爲[0 10 100 255]，所以用float**形式表示。

mat簡單說就是存儲了直方圖的信息，即我們統計的直方圖分佈概率。

創建直方圖 cvCreateHist()

OpenCV中用cvCreateHist()創建一個直方圖：

CvHistogram* cvCreateHist(
    int dims, //直方圖維數
    int* sizes,//直翻圖維數尺寸
    int type, //直方圖的表示格式
        float** ranges=NULL, //圖中方塊範圍的數組
    int uniform=1 //歸一化標識
    );

size數組的長度爲dims，每個數表示分配給對應維數的bin的個數。如dims=3，則size中用[s1,s2,s3]分別指定每維bin的個數。
type有兩種：CV_HIST_ARRAY 意味着直方圖數據表示爲多維密集數組 CvMatND; CV_HIST_TREE 意味着直方圖數據表示爲多維稀疏數組 CvSparseMat。

ranges就是那個複雜的不好理解的thresh的範圍，他的內容取決於uniform的值。uniform爲0是均勻的，非0時不均勻。

計算圖像直方圖的函數爲CalcHist()：

void cvCalcHist(
    IplImage** image, //輸入圖像（也可用CvMat**）
    CvHistogram* hist, //直方圖指針
                 int accumulate=0, //累計標識。如果設置，則直方圖在開始時不被清零。
    const CvArr* mask=NULL //操作 mask, 確定輸入圖像的哪個象素被計數
    );

要注意的是這個函數用來計算一張（或多張）單通道圖像的直方圖，如果要計算多通道，則用這個函數分別計算圖像每個單通道。

實踐：一維直方圖

下面實踐一下用OpenCV生成圖像的一維直方圖

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;    //直方圖尺寸
    int hist_height = 256;
    float range[] = {0,255};  //灰度級的範圍
    float* ranges[]={range};
    //創建一維直方圖，統計圖像在[0 255]像素的均勻分佈
    CvHistogram* gray_hist = cvCreateHist(1,&hist_size,CV_HIST_ARRAY,ranges,1);
    //計算灰度圖像的一維直方圖
    cvCalcHist(&gray_plane,gray_hist,0,0);
    //歸一化直方圖
    cvNormalizeHist(gray_hist,1.0);

    int scale = 2;
    //創建一張一維直方圖的“圖”，橫座標爲灰度級，縱座標爲像素個數（*scale）
    IplImage* hist_image = cvCreateImage(cvSize(hist_size*scale,hist_height),8,3);
    cvZero(hist_image);
    //統計直方圖中的最大直方塊
    float max_value = 0;
    cvGetMinMaxHistValue(gray_hist, 0,&max_value,0,0);

    //分別將每個直方塊的值繪製到圖中
    for(int i=0;i<hist_size;i++)
    {
        float bin_val = cvQueryHistValue_1D(gray_hist,i); //像素i的概率
        int intensity = cvRound(bin_val*hist_height/max_value);  //要繪製的高度
        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);
}

試驗結果：

對應的，我們可以用一樣的思路統計每個通道的直方圖，並繪製圖像每個通道像素的分佈：

實踐：二維直方圖

我們也可以結合OpenCV的例子生成二維直方圖：

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 };
    //將HSV圖像分離到不同的通道中
    cvCvtPixToPlane( src, b_plane, g_plane, r_plane, 0 );

    // 生成二維直方圖數據結構
    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);
    }
    //計算一張或多張單通道圖像image(s) 的直方圖
    cvCalcHist( planes, hist, 0, 0 );

剛纔的圖我們是對應每個橫座標繪製縱座標的直方塊，二維的圖需要繪製每個點：

for( int h = 0; h < r_bins; h++ ) {
  for( int s = 0; s < b_bins; s++ ) {
    float bin_val = cvQueryHistValue_2D( hist, h, s ); //查詢直方塊的值
        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);
    }
}

最終生成二維直方圖：