Opencv学习-直方图应用

news2024/9/24 15:24:24

1. 直方图均衡化

如果一个图像的直方图都集中在一个区域，那么整体图像的对比度比较小，不便于图像中纹理的识别。例如，如果相邻的两个像素灰度值分别是 120 和 121 ，那么仅凭肉眼是无法区别出来的。同时，如果图像中所有的像素灰度值都集中在 100 ～ 150 ，那么整个图像会给人模糊的感觉，看不清图中的内容。如果通过映射关系，将图像中灰度值的范围扩大，增加原来两个灰度值之间的差值，就可以提高图像的对比度，进而将图像中的纹理突出显现出来，这个过程称为图像直方图均衡化。

在 OpenCV 4 中，提供了 equalizeHist() 函数用于将图像的直方图均衡化，该函数的原型在代码清单 4-7 中给出。

1.1 equalizeHist()函数原型

void cv::equalizeHist(InputArray src, OutputArray dst )

src：需要直方图均衡化的 CV_8UC1 图像。
dst：直方图均衡化后的输出图像，与src具有相同尺寸和数据类型。

该函数只能对单通道的灰度图进行直方图均衡化。通过结果可以发现，经过均衡化后的图像对比度明显增加，可以看清楚原来看不清的纹理。通过绘制原图和均衡化后的图像直方图可以发现，均衡化后的图像直方图分布更加均匀。

1.2 示例程序

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

using namespace cv; 
using namespace std; 

void drawHist(Mat &hist, int type, string name) //归一化并绘制直方图函数
{ 
    int hist_w = 512; 
    int hist_h = 400; 
    int width = 2; 
    Mat histImage = Mat::zeros(hist_h, hist_w, CV_8UC3); 
    normalize(hist, hist, 1, 0, type, -1, Mat()); 
    for (int i = 1; i <= hist.rows; i++) 
    { 
        rectangle(histImage, Point(width*(i - 1), hist_h - 1), 
        Point(width*i - 1, hist_h - cvRound(hist_h*hist.at<float>(i - 1)) - 1), 
        Scalar(255, 255, 255), -1); 
    } 
    imshow(name, histImage);
} 
 //主函数
int main() 
{ 
    Mat img = imread("../pic/gril.jpg"); 
    if (img.empty()) 
    { 
        cout << "请确认图像文件名称是否正确" << endl; 
        return -1; 
    } 
    Mat gray, hist, hist2; 
    cvtColor(img, gray, COLOR_BGR2GRAY); 
    Mat equalImg; 
    equalizeHist(gray, equalImg); //将图像直方图均衡化
    const int channels[1] = { 0 }; 
    float inRanges[2] = { 0,255 }; 
    const float* ranges[1] = { inRanges }; 
    const int bins[1] = { 256 }; 
    calcHist(&gray, 1, channels, Mat(), hist, 1, bins, ranges); 
    calcHist(&equalImg, 1, channels, Mat(), hist2, 1, bins, ranges); 
    drawHist(hist, NORM_INF, "hist"); 
    drawHist(hist2, NORM_INF, "hist2"); 
    imshow("原图", gray); 
    imshow("均衡化后的图像", equalImg); 
    waitKey(0); 
    return 0; 
}

1.3 测试结果

2. 直方图反向投影

2.1 calcBackProject()函数原型

void cv::calcBackProject(const Mat * images, 
int nimages, 
const int * channels, 
InputArray hist, 
OutputArray backProject, 
const float ** ranges, 
double scale = 1, 
bool uniform = true 
)

images：待统计直方图的图像数组，数组中所有的图像应具有相同的尺寸和数据类型，并且数据类型只能是 CV_8U、CV_16U 和 CV_32F 这 3 种中的一种，但是不同图像的通道数可以不同。
nimages：输入图像数量。
channels：需要统计的通道索引数组，第一个图像的通道索引从 0 到 images[0].channels()−1，第二个图像通道索引从 images[0].channels()到 images[0].channels()+ images[1].channels()−1，依次类推。
hist：输入直方图。
backProject：目标为反向投影图像，与 images[0]具有相同尺寸和数据类型的单通道图像。
ranges：每个图像通道中灰度值的取值范围。
scale：输出反向投影矩阵的比例因子。
uniform：直方图是否均匀的标志符，默认状态下为均匀（true）。

2.2 示例代码

#include <iostream>
#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>

using namespace std;
using namespace cv;

//定义全局变量
Mat srcImage, hsvImage,hueImage;
const int hueBinMaxValue = 180;
int hueBinValue=25;

//声明回调函数
void Hist_and_Backprojection(int, void*);

int main()
{
    srcImage=imread("../pic/hand.jpg");

    //判断图像是否加载成功
    if(srcImage.empty())
    {
        cout << "图像加载失败" << endl;
        return -1;
    }
    else
        cout << "图像加载成功..." << endl << endl;

    //将图像转化为HSV图像
    cvtColor(srcImage, hsvImage, COLOR_BGR2HSV);

    //只使用图像的H参数
    hueImage.create(hsvImage.size(), hsvImage.depth());
    int ch[]={0,0};
    mixChannels(&hsvImage, 1, &hueImage, 1, ch, 1);

    //轨迹条参数设置
    char trackBarName[20];
    sprintf(trackBarName,"Hue bin:%d",hueBinMaxValue);
    namedWindow("SourceImage",WINDOW_AUTOSIZE);

    //创建轨迹条并调用回调函数
    createTrackbar(trackBarName, "SourceImage", &hueBinValue, hueBinMaxValue, Hist_and_Backprojection);
    Hist_and_Backprojection(hueBinValue, 0);

    imshow("SourceImage", srcImage);

    waitKey(0);

    return 0;
}

void Hist_and_Backprojection(int, void*)
{
    MatND hist;
    int histsize=MAX(hueBinValue, 2);
    float hue_range[]={0,180};
    const float* ranges={hue_range};

    //计算图像直方图并归一化处理
    calcHist(&hueImage, 1, 0, Mat(), hist, 1, &histsize, &ranges, true, false);
    normalize(hist, hist, 0, 255, NORM_MINMAX, -1, Mat());

    //获取反向投影
    MatND backProjection;
    calcBackProject(&hueImage, 1, 0, hist, backProjection, &ranges, 1, true);

    //输出反向投影
    imshow("BackProjection", backProjection);

    //绘制图像直方图
    // int w=400;
    // int h=400;
    // int bin_w = cvRound((double)w/histsize);
    // Mat histImage = Mat::zeros(w, h, CV_8UC3);
    // for(int i=0; i < hueBinValue; i++)
    // {
    //     rectangle(histImage, Point(i*bin_w, h), Point((i+1)*bin_w, h-cvRound(hist.at<float>(i)*h/255.0)), Scalar(0,0,255), -1);
    // }
    //imshow("HistImage", histImage);
}