(轉)opencv--直方圖&最大熵分割

來源：http://blog.csdn.net/yangtrees/article/details/8785377

原來一直覺得OpenCV裏的直方圖函數十分簡單，今天臨時需要用才發現原來OpenCV的calcHist功能如此強大，不僅能計算常見的1D Hist， calcHist理論上支持32維以下的Hist.(32維啊有木有！)

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 )

image: 輸入圖像序列

nimages: 源圖像數量

channels: 用於計算hist的通道List

mask:不解釋

hist:生成的hist

dims:hist的維數（必須大於0，目前版本支持不大於CV_MAX_DIMS=32）

histSzie:每一維的size（即bins）

ranges: 直方圖每一維的bins的邊界的序列

uniform:是否對齊

accumlate:如果set爲true，則直方圖在使用之前不clear，用於在一個hist內保存多個圖像集的直方圖，或者及時更新hist。

實現代碼：

在此實現兩個直方圖繪製函數，分別繪製1D，2D直方圖。

BGR三通道1D直方圖：

附帶的在程序裏實現了一個窗口內顯示多幅圖像，也可以使用Mat1.put_back(Mat2)，但是push_back是向y軸方向push mat ，醬紫顯示的就是細長細長窗口，所以還是使用ROI的用戶體驗比較好。

Mat drawHist(Mat hist,int bins,int height,Scalar rgb)  
{  
    double maxVal=0;  
    minMaxLoc(hist,0,&maxVal,0,0);  
    int scale=1;  
    Mat histImg = Mat::zeros(height, bins, CV_8UC3);  
    float *binVal = hist.ptr<float>(0);  
    for (int i=0; i<bins; i++)  
    {  
        int intensity = cvRound(binVal[i]*height/maxVal);  
        rectangle(histImg,Point(i*scale,0),  
            Point((i+1)*scale,(intensity)),rgb,CV_FILLED);  
    }  
    flip(histImg,histImg,0);  
    return histImg;  
}  
  
void darwHistRGB(const Mat& src)  
{  
    Mat histB,histG,histR;  
  
    int bins=256;  
    int histSize[] = {bins};  
    float range[] = {0,256};  
    const float* ranges[] = {range};  
    int channelsB[] = {0};  
        int channelsG[] = {1};  
        int channelsR[] = {2};  
    calcHist(&src,1,channelsB,Mat(),histB,1,histSize,ranges,true,false);  
    calcHist(&src,1,channelsG,Mat(),histG,1,histSize,ranges,true,false);  
    calcHist(&src,1,channelsR,Mat(),histR,1,histSize,ranges,true,false);  
  
    Mat histBImg = drawHist(histB,bins,200,Scalar(255,0,0));  
    Mat histGImg = drawHist(histG,bins,200,Scalar(0,255,0));  
    Mat histRImg = drawHist(histR,bins,200,Scalar(0,0,255));  
      
    //在一個窗口中顯示多幅圖像  
    Mat display(200,bins*3,CV_8UC3);  
    Mat displayROI = display(Rect(0,0,bins,200));  
    resize(histBImg,displayROI,displayROI.size());  
    displayROI = display(Rect(bins,0,bins,200));  
    resize(histGImg,displayROI,displayROI.size());  
    displayROI = display(Rect(bins*2,0,bins,200));  
    resize(histRImg,displayROI,displayROI.size());  
  
    imshow("histRGB",display);  
    waitKey();  
}  
  
int main()  
{  
   	Mat src = imread("e:/test/5.jpg",1);
	/*或者可以做Mat hsv=Mat::zeros( src.rows, src.cols, CV_8UC3 );;

	cvtColor(src,hsv,CV_RGB2HSV,0);
	imshow("hsv",hsv);*/
    darwHistRGB(src);  
    return 1;  
}

HSV的H-S通道2D直方圖：

灰度值的大小代表了直方圖的高度。可以看做是一個從上向下（-Z軸方向）看的三維柱狀圖。

[cpp]view
plaincopyprint?

int main(  )  

{  

    Mat src, hsv;  

    src = imread("D:/demo.jpg", 1);  

    cvtColor(src, hsv, CV_BGR2HSV);  

    // Quantize the hue to 30 levels  

    // and the saturation to 32 levels  

    int hbins = 30, sbins = 32;  

    int histSize[] = {hbins, sbins};  

    // hue varies from 0 to 179, see cvtColor  

    float hranges[] = { 0, 180 };  

    // saturation varies from 0 (black-gray-white) to  

    // 255 (pure spectrum color)  

    float sranges[] = { 0, 256 };  

    const float* ranges[] = { hranges, sranges };  

    MatND hist;  

    // we compute the histogram from the 0-th and 1-st channels  

    int channels[] = {0, 1};  

    calcHist( &hsv, 1, channels, Mat(), // do not use mask  

        hist, 2, histSize, ranges,  

        true, // the histogram is uniform  

        false );  

    double maxVal=0;  

    minMaxLoc(hist, 0, &maxVal, 0, 0);  

    int scale = 10;  

    Mat histImg = Mat::zeros(sbins*scale, hbins*10, CV_8UC3);  

    for( int h = 0; h < hbins; h++ )  

        for( int s = 0; s < sbins; s++ )  

        {  

            float binVal = hist.at<float>(h, s);  

            int intensity = cvRound(binVal*255/maxVal);  

            rectangle( histImg, Point(h*scale, s*scale),  

                Point( (h+1)*scale - 1, (s+1)*scale - 1),  

                Scalar::all(intensity),  

                CV_FILLED );  

        }  

        namedWindow( "Source", 1 );  

        imshow( "Source", src );  

        namedWindow( "H-S Histogram", 1 );  

        imshow( "H-S Histogram", histImg );  

        waitKey();  

}

最大熵分割

利用Hist實現最大熵模型

信息熵：

$H(x)=E(I(x_{i}))=E(\log_{2}(1/p(x_{i})))=\sum p(x_{i})(\log_{2}(1/p(x_{i})))$

最大熵分割：

$Max(\sum_{0}^{threshold-1}p(x_{i})(\log_{2}(1/p(x_{i})))+\sum_{threshold}^{255}p(x_{i})(\log_{2}(1/p(x_{i})))\; \; \; \; \; \; \; \; \;(threshold = 0,1\cdots 255)$

[cpp]view
plaincopyprint?

#include <iostream>  

#include <opencv/cv.h>  

#include <opencv/highgui.h>  

using namespace std;  

using namespace cv;  

typedef enum {back,object} entropy_state;  

float total;  

//繪製hist;  

Mat drawHist(Mat hist,int bins,int height,Scalar rgb)  

{  

    double maxVal=0;  

    minMaxLoc(hist,0,&maxVal,0,0);  

    int scale=1;  

    Mat histImg = Mat::zeros(height, bins, CV_8UC3);  

    float *binVal = hist.ptr<float>(0);  

    for (int i=0; i<bins; i++)  

    {  

        int intensity = cvRound(binVal[i]*height/maxVal);  

        rectangle(histImg,Point(i*scale,0),  

            Point((i+1)*scale,(intensity)),rgb,CV_FILLED);  

    }  

    flip(histImg,histImg,0);  

    return histImg;  

}  

//計算直方圖;  

Mat Hist(const Mat& src)  

{  

    Mat hist;  

    int bins=256;  

    int histSize[] = {bins};  

    float range[] = {0,256};  

    const float* ranges[] = {range};  

    int channels[] = {0};  

    calcHist(&src,1,channels,Mat(),hist,1,histSize,ranges,true,false);  

    Mat histImg = drawHist(hist,bins,200,Scalar(255,0,0));  

    imshow("histRGB",histImg);  

    return hist;  

}  

//計算當前熵;  

float calEntropy(const Mat& hist,int threshold)  

{  

    float total_back=0,total_object=0;  

    float entropy_back=0,entropy_object=0;  

    float entropy = 0;  

    int i=0;  

    const float* hist_p = (float*) hist.ptr<float>(0);  

    for (i=0; i<threshold; i++)  

    {  

        total_back += hist_p[i];  

    }  

    total_object=total-total_back;  

    //背景熵;  

    for (i=0; i<threshold; i++)  

    {  

//      if(hist_p[i]==0)  

//          continue;  

        float percentage = hist_p[i]/total_back;  

        entropy_back += -percentage * logf(percentage); // 能量的定義公式  

    }  

    //前景熵;  

    for (i=threshold; i<hist.cols; i++)  

    {  

//      if(hist_p[i]==0)  

//      {  

//          continue;  

//      }  

        float percentage = hist_p[i]/total_object;  

        entropy_object += -percentage * logf(percentage); // 能量的定義公式；  

    }  

    entropy = entropy_object+entropy_back;  

    return entropy;  

}  

void MaxEntropy(Mat img, Mat hist)  

{  

    total = sum(hist)[0];  

    float MaxEntropyValue = 0.0, MaxEntropyThreshold=0.0;  

    float tmp;  

    for (int i=0; i<hist.cols; i++)  

    {  

        tmp = calEntropy(hist,i);  

        if(tmp>MaxEntropyValue)  

        {  

            MaxEntropyValue = tmp;  

            MaxEntropyThreshold = i;  

        }  

    }  

    threshold(img,img,MaxEntropyThreshold,255,CV_THRESH_BINARY);  

    imshow("thresholdImg",img);  

    imwrite("D:/thresholdImg.png",img);  

    cout<<MaxEntropyThreshold<<endl;  

    cout<<MaxEntropyValue<<endl;  

}  

int main()  

{  

    Mat src = imread("D:/test1.jpg",0);  

    imshow("SRC",src);  

    Mat hist = Hist(src).t();  

    MaxEntropy(src, hist);  

    waitKey();  

    return 1;  

}