本文共 7399 字，大约阅读时间需要 24 分钟。

前言

此代码可依次复制粘贴，拼接即可运行

直方图绘制时使用opencv的一项基本的能力，但当初接触直方图是我并没有整太明白，如今又好好研究了一遍代码，现在来总结一下。

直方图，顾名思义，就是类似于我们常规意义上的统计图，有三个术语：

1. dims:需要统计的特征的数目。
2. bins:每个特征空间子区段的数目，可以翻译为“直条”和“组距”。
3. range:每个特征空间的取值范围。例如：range = [0,255]。

直方图的计算与绘制

直方图的计算使用到了calcHist()函数，函数原型：

calcHist(				const Mat*   images,    //输入数组				int          nimages,   //输入数组个数				const int*   channels,  //通道索引				InputArray   mask;      //Mat(),  //不使用腌膜				OutputArray  hist,      //输出的目标直方图，一个二维数组				int			 dims,      //需要计算的直方图的维度  例如：灰度，R,G,B，H,S,V等数据				congst int*  histSize,   //存放每个维度的直方图尺寸的数组				const float**    ranges, //每一维数组的取值范围数组				bool          uniform=true,   				bool          accumulate = false			);

这里会用到一个返回最大值最小值的函数，在我的上篇博文《opencv学习笔记二：角点检测》中有介绍：

void cv::MinMaxLoc(					arr ,  //输入单通道数组	     double*	min_val, //返回最小值的指针		 double*	max_val,//返回最大值的指针		 Point*		min_loc,//指向返回最小值的位置指针		 Point*		max_loc,//指向返回最大值的位置指针)

注意：它的输入为单通道数组

示例程序一：计算并绘制图像的一维数组

我们先从绘制一维图像开始，一维直方图就像我们在word里用的柱状图一样，有这类似的思路：

• 定义直方图需要统计的特征数目，如灰度，RGB，HSV等衡量标准
• 定义每个特征的直方图尺寸大小
• 定义通道索引，当计算RGB或HSV等特征时会用到
• 定义每个特征的取值范围数组，即高度
• 进行绘制
  下面看程序：

#include "pch.h"#include 
   
    #include 
    
     using namespace std;using namespace cv;int main(){
   	//【1】读取原图并显示	Mat srcImage = imread("5.jpg", 0);	imshow("原图：", srcImage);	if (!srcImage.data) {
   		cout << "fail to load image" << endl;		return 0;	}
    
   

首先，上面的是开头，将需要计算的图片载入并显示，原图如下图：

但我们载入的时候为： Mat srcImage = imread(“5.jpg”, 0); 是按灰度图载入的，因此显示出来为：

//【2】定义变量	MatND dstHist;   	int dims = 1;  //特征数目（直方图维度）	float hranges[] = {
    0,255 }; //特征空间的取值范围	const float *ranges[] = {
    hranges };	int size = 256;  //存放每个维度的直方图的尺寸的数组	int channels = 0;  //通道数

然后就需要定义变量了，MatND为多维，多通道的密集数组类型

dims为特征数目，此程序只计算该图片的一个特征，且图片是一张灰度图，由后面的int channals = 0我们可以看出，计算的是该图片的通道0，也就是灰度的直方图。 hranges[]为特征空间的取值范围数组，为0-255；有几个特征就需要定义几个这样的数组，然后将这些数组存到const float *ranges[] = { hranges }中 size为存放每个维度的直方图的尺寸的数组

//【3】计算直方图	calcHist(&srcImage, 1, &channels, Mat(), dstHist, dims, &size, ranges);	int scale = 1;	cout << dstHist << endl;	Mat dstImage(size * scale, size, CV_8U, Scalar(0));	//【4】获取最大值和最小值	double minValue = 0;	double maxValue = 0;	minMaxLoc(dstHist, &minValue, &maxValue, 0, 0);

接下来我们计算直方图并获取脂肪图的最大，最小值。我并不清楚计算出来的直方图是啥子？所以我在中间cout<<desHist<<endl;看了一下，如下图：

图片很长，是一个一列很多行的数组，这我们就明白了，每一行数都表示一个像素点的灰度值。

//【5】绘制直方图	int hpt = saturate_cast
   
    (0.9*size);	for (int i = 0; i < 256; i++)	{
   		float binValue = dstHist.at
    
     (i);		int realValue = saturate_cast
     
      (binValue*hpt / maxValue);		rectangle(dstImage, Point(i*scale, size - 1), Point((i + 1)*scale - 1, size - realValue), Scalar(255));	}	imshow("一维直方图", dstImage);	waitKey(0);	return 0;}
     
    
   

程序到此就结束了，在绘制直方图的这一段程序里，我们运用了rectangle（）函数，函数原型如下：是一个画矩形的函数

rectangle(		img,  //输入图像		pt1,  //矩阵的一个定点		pt2,  //矩阵对角线上另一个顶点		color, //线条颜色（RGB）或亮度（灰度图像）（grayscale image）		thickness,  //组成矩形的线条的粗细程度。取负值时函数绘制填充了色彩的矩形		line_type,  //线条的类型  		shift  //坐标点的小数点位数		);

在其中有一句 int hpt = saturate_cast(0.9size);

感觉0.9出现的很突然，这一句其实是可以调整直方图绘制的大小的，看了下面截图应该就明白了：

当：int hpt = saturate_cast(0.9size); 当：int hpt = saturate_cast(0.5*size); 看到这里就应该明白了吧？

示例程序二：H-S 二维直方图的计算与绘制

接下来我们看看包含H-S两个特征的二维直方图的绘制///

#include "pch.h"#include 
   
    #include 
    
     using namespace std;using namespace cv;int main(){
   	//【1】输入原图像，并转换为HSV颜色模型	Mat srcImage, hsvImage;	srcImage = imread("5.jpg");	cvtColor(srcImage, hsvImage, COLOR_BGR2HSV);
    
   

还是，先读取一张图片，然后转换为HSV模型。H为色调，S为饱和度

//【2】参数准备	//将色调量化为30个等级，将饱和度量化为32个等级	int hueBinNum = 30;  //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 };    //存放每个维度的直方图尺寸的数组	float hueRanges[] = {
    0,180 }; //色调变化范围为0-179	float saturationRanges[] = {
    0,256 }; //定义饱和度变化范围为0（黑，白，灰)到255（纯光谱颜色）	const float* ranges[] = {
    hueRanges,saturationRanges }; //每一位数值的取值范围数组

还是我们示例一程序中的思路，先定义bins，就是区间个数，示例一中我们定义为了256，在这儿我们将色调的设为30，饱和度的设为32；

然后将这两个尺寸放进int histSize[] = { hueBinNum,saturationBinNum };中用来传给直方图计算函数； 接着定义特征值的取值范围，色调的取值范围为0-180，饱和度的为0-256，同样，装进const float* ranges[] = { hueRanges,saturationRanges }; 数组中传给直方图计算函数；

//输出目标直方图	MatND dstHist;	//参数准备，calcHist函数中将计算第0通道和第一通道的直方图	int channels[] = {
    0,1 };	//【3】 正式调用calcHist,进行直方图计算	calcHist(		&hsvImage,  //输入数组		1,   //输入数组个数		channels, //通道索引  		Mat(),  //不使用腌膜 		dstHist, //输出的目标直方图，一个二维数组  		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,  //每一维数组的取值范围数组		true,  		false	);

//打印直方图	cout << dstHist<

然后就是直方图计算了，这里就不多说了。同样，我们还打印一下看看直方图计算出来是个什么东西：是一个比较大的二维数组，就是H-S的大小啦

double maxValue = 0;   //最大值	minMaxLoc(dstHist, 0, &maxValue, 0, 0);  //查找数组和子数组的全局最小值和最大值存入maxValue中	int scale = 10;	Mat histImg = Mat::zeros(saturationBinNum *scale, hueBinNum * 10, CV_8UC3);  //每个bin分配10个像素宽度	//【5】双层循环，进行直方图绘制	for (int hue = 0; hue < hueBinNum; hue++)	{
   		for (int saturation = 0; saturation < saturationBinNum; saturation++)		{
   			float binValue = dstHist.at
   
    (hue, saturation);  //直方图直条的值  //访问像素值			int intensity = cvRound(binValue * 255 / maxValue);  //强度    cvRound返回和参数最接近的整数值			//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), FILLED);		}	}	//【6】显示效果图	imshow("素材图", srcImage);    imshow("H-S直方图", histImg);	waitKey();}
   

最后，就是绘制直方图了：运行结果如下：

对于二维的绘制过程，和画图表也很相似，原理就是下图：

示例程序三：绘制RGB三色直方图

最后我们绘制RGB三色直方图，虽然是三色，但也是一维的，而不像示例二中是二维直方图。

#include "pch.h"#include 
   
    #include 
    
     using namespace std;using namespace cv;int main(){
   	//【1】载入原图并显示	Mat srcImage;	srcImage = imread("5.jpg");	imshow("素材图", srcImage);	//【2】参数准备	int bins = 256; //直条数 	int hist_size[] = {
   bins}; //存放每个维度的直方图尺寸数组 //  均为256条宽度	float range[] = {
    0,256 };  //每一维数组的取值范围  // 均为0-255高度	const float* ranges[] = {
    range }; 	MatND redHist, grayHist, blueHist;  //定义三个图像数组
    
   

开头我们就不多说了，还是千篇一律的设置尺寸等，我们至此还没有定义通道；

//计算红色分量	int channels_r[] = {
    0 };  //每个图像数组一个通道	calcHist(&srcImage, 1,channels_r, Mat(), redHist, 1, hist_size, ranges, true, false);	//计算绿色分量	int channels_g[] = {
    1 };	calcHist(&srcImage, 1, channels_g, Mat(), grayHist, 1, hist_size, ranges, true, false);	//计算蓝色分量	int channels_b[] = {
    2 };	calcHist(&srcImage, 1, channels_b, Mat(), blueHist, 1, hist_size, ranges, true, false);

然后我们分别定义了通道0，1，2并分别进行了计算；

最后就是绘制了：

//参数准备	double maxValue_red, maxValue_green, maxValue_blue;	minMaxLoc(redHist, 0, &maxValue_red, 0, 0);	minMaxLoc(grayHist, 0, &maxValue_green, 0, 0);	minMaxLoc(blueHist, 0, &maxValue_blue, 0, 0);	int scale = 1;	int histHeight = 256;	Mat histImage = Mat::zeros(histHeight, bins * 3, CV_8UC3);	//绘制直方图	for (int i = 0; i < bins; i++)	{
   		float binValue_red = redHist.at
   
    (i);		float binValue_green = grayHist.at
    
     (i);		float binValue_blue = blueHist.at
     
      (i);		int intensity_red = cvRound(binValue_red*histHeight / maxValue_red);		int intensity_green = cvRound(binValue_green*histHeight / maxValue_green);		int intensity_blue = cvRound(binValue_blue*histHeight / maxValue_blue);		rectangle(histImage, Point(i*scale, histHeight - 1), Point((i + 1)*scale - 1, histHeight - intensity_red), Scalar(255, 0, 0));		rectangle(histImage, Point((i+bins)*scale, histHeight - 1), Point((i+bins+ 1)*scale - 1, histHeight - intensity_green), Scalar(0, 255, 0));		rectangle(histImage, Point((i+bins*2)*scale, histHeight - 1), Point((i + bins*2+1)*scale - 1, histHeight - intensity_blue), Scalar(0, 0, 255));	} 	imshow("图像的RGB直方图", histImage);	waitKey(0);	return 0;}
     
    
   

运行结果如下：

转载地址：http://ldewi.baihongyu.com/