一、实验目的
直方图是一种统计特征，在图像中广为使用，因为具有计算简便、不受平移、旋转的影响，因此可以作为图像的一种有效的局部/全局特征来表示图像，是图像的重要特征之一。直方图在SIFT算法、HOG算法、直方图均衡等图像特征检测算法中都广为使用。本实验的目的是让大家掌握bmcv_calc_hist、和OpenCV中calcHist函数的使用，可以计算出图像的直方图。
二、实验内容
搭建BMCV环境并成功运行bmcv_calc_hist例程
三、开发环境
开发主机：Ubuntu 22.04 LTS
硬件：算能SE5
四、实验器材
开发主机 + 云平台
五、实验过程与结论
本实验涉及的程序框架与实验4的图4-1一致，仅需根据具体调用的API函数配置相关参数即可，因此接下来重点介绍bmcv_calc_hist API函数的参数及其调用方法。图像灰度直方图因为可以反映图像中灰度的分布情况，常作为图像的一种重要特征。可以通过bmcv提供的bmcv_calc_hist函数实现。
5.1 bmcv_calc_hist函数介绍
bmcv_calc_hist函数形式如下：
bm_status_t bmcv_calc_hist ( bm_handle_t handle, bm_device_mem_t input,
bm_device_mem_t output,
int C, int H, int W,
const int *channels,
int dims,
const int *histSizes,
const float *ranges,
int inputDtype);其中，handle为bm_handle 句柄； input为已分配好 device memory的输入信息，该device memory 空间存储了输入数据，类型可以是float32 或者uint8，由参数inputDtype决定，其大小为C*H*W*sizeof(Dtype)；Output为已分配好 device memory的直方图输出结果信息，该 device memory 空间存储了输出结果，类型为 float， 其大小为 histSizes[0]* histSizes[1]*…… *histSizes[n]*sizeof(float)。
C为输入通道数，H为输入通道高度，W为输入通道宽度，channels为需要计算直方图的 channel 列表，其长度为 dims，每个元素的值必须小于 C； 例如,RGB图像的C=3， 而如果只需要计算R通道图像的直方图，则dims=1;
histSizes：对应每个 channel 统计直方图的份数， ranges：每个通道参与统计的范围，其长度为 2*dims; 例如，对位深为24bit的RGB图像，如果三个通道的颜色值都参加直方图统计，每个通道颜色取值范围从0到255， 因此ranges为[0, 255, 0, 255, 0, 255],如果每个通道的值被分为8个bins，则histSizes为：[8,8,8];
inputDtype：输入数据的类型：0 表示 float，1 表示 uint8。
代码使用范例如下：
int H = 1024;
int W = 1024;
int C = 3;
int dim = 3;
int channels[3] = {0, 1, 2};
int histSizes[] = {15000, 32, 32};
float ranges[] = {0, 1000000, 0, 256, 0, 256};
int totalHists = 1;
for (int i = 0; i < dim; ++i) {
totalHists *= histSizes[i];
}
bm_handle_t handle = nullptr;
bm_status_t ret = bm_dev_request(&handle, 0);
float *inputHost = new float[C * H * W];
float *outputHost = new float[totalHists];
for (int i = 0; i < C; ++i) {
for (int j = 0; j < H * W; ++j)
inputHost[i * H * W + j] = static_cast<float>(rand() % 1000000);
}
//创建图像input，和保持直方图结果的output对象，分配内存；
ret = bmcv_calc_hist(handle,input, output, C, H, W, channels, dim, histSizes, ranges, 0);5.2 OpenCV calcHist函数
OpenCV 提供calcHist函数来实现直方图的计算，具体形式如下：
void cv::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
)- 其中，images为输入的图像的指针；nimages为输入图像个数；channels为需要统计直方图的第几通道。
- mask：掩模，mask必须是一个8位（CV_8U）的数组并且和images的数组大小相同；如果其值不为空，则,值为1的点将用来计算直方图。
- hist：直方图计算的输出值；dims：输出直方图的维度（由channels指定）；histSize：直方图中每个dims维度需要分成多少个区间（如果把直方图看作一个一个竖条的话，就是竖条的个数）；ranges：统计像素值的区间；uniform=true：是否对得到的直方图数组进行归一化处理；accumulate= false：在多个图像时，是否累积计算像素值的个数；
调用时，参考代码如下：
//需要计算的图像的通道，灰度图像为3，BGR图像需要指定B,G,R
const int channels[] - {0 };
Mat hist; //定义输出Mat类型int dims = 1;
int dims = 1;//设置直方图维度
const int histSize[] - { 256 }; //直方图每一个维度划分的柱条的数目
//每一个维度取值范围
float pranges[] - { 0, 255 }; //取值区间
const float* ranges[] - { pranges };
calcHist(&gray,1, channels, Mat(), hist, dims, histSize，ranges, true, false);5.3 画直方图
最后输出的结果可以通过OpenCV的rectangle函数将点连接起来画出直方图：
int scale = 2;
int hist_height = 256;
Mat hist_img = Mat::zeros(hist_height, 256 * scale, CV_8UC3);
double max_val;
Mat hist = Mat::zeros(1, 256 , CV_32FC3);;
for (int i = 0; i < 250; i++)
{
hist.at<float>(i) = outputHost[i];
}
minMaxLoc(hist, 0, &max_val, 0, 0);
for (int i = 0; i < 250; i++)
{
float bin_val = hist.at<float>(i);
int intensity = cvRound(bin_val * hist_height / max_val);
rectangle(hist_img, Point(i * scale, hist_height - 1), Point((i + 1) * scale - 1,
hist_height - intensity), Scalar(255, 255, 255));
}
imwrite("bmcv_calc_hist_out.jpg", hist_img);7.4 执行结果
按照上述步骤，生成可执行文件并上传到算能盒子给可执行文件赋权限并执行：
root@ab162899a93b:/tmp/tmp6l8uq_dw# chmod 777 bmcv_calc_hist
root@ab162899a93b:/tmp/tmp6l8uq_dw# ./bmcv_calc_hist encodeImage.jpg
Open /dev/jpu successfully,device index = 0， jpu fd = 8,vpp fd = 9
执行结果如下：
