OpenCV—calcHist()函数

news2024/11/22 21:29:41
void calcHist( const Mat* images, int nimages,
                          const int* channels, InputArray mask,
                          SparseMat& hist, int dims,
                          const int* histSize, const float** ranges,
                          bool uniform = true, bool accumulate = false );

images

输入的数据指针,要具备相同的尺寸和数据类型,可以有不同的通道数量,如果要计算n             个Mat数据,可以这么做:Mat images[n];images[0]=imread(),images[1]=imread()……

nimages

就是上面的n,指明传入了多少个Mat数据

channels

通道列表,看看下面这张图,传入了这样2个Mat数据,每个Mat各自包含3个通道,通道的索引依次是0,1,2,3,4,5。const int channels[3]={0,2,4},表示索引序号是0,2,4的三个通道会参与计算。     

mask

表示掩码,与images尺寸相同的8bits 数组,传入一个空Mat即可。如果不是空的, 所有掩码非零数据对应的源数据才会参与计算。

hist

表示计算结果,用一个Mat保存便可。1维的结果是一个n行1列的矩阵,2维的结果是个n×m的         矩阵……,具体还要看下面这个维度参数。

dims

结果数据的维数,1维、2维…..32维,要跟其他参数结合起来。

histSize

是一个列表,对应每个维度的数据分组。如果dims=1,结果是1维的,这里可以这么做:              const int histSize[1]={32},表示1维被划分成32份。如果dims=2,结果是2维的,可以这么              做:const int histSize[2]={32,64},表示1维被划分成32份,2维被划分成64份。

ranges

是数组的数组,数组中的每个元素是一个指针,这个指针指向一个数组。举例说明如下:

//读取一张图像
    Mat image[1];
    image[0] = imread("../Image/apple.jpg");                 

    //取图像的0通道数据
    const int channels[1] = {0};
    
    //最终结果会有8行1列
    const int histSize[1] = {8};
    
    //参与计算的数据范围[0,256),也就是uchar类型的全部数据
    //如果范围是[m,n),范围外的数据不会参与计算
    const float range[2] = {0, 256};
    const float *ranges[1] = {range};

    //计算直方图
    Mat hist;
    calcHist(image, 1, channels, Mat(), hist, 1, histSize, ranges);

    //输出直方图
cout << hist << endl;

输出结果是:[7281; 137833; 90340; 25579; 990; 80; 31; 10]

7281+ 137833+90340+25579+990+80+31+ 10=262144=512×512,这些数量加起来就是图片所有的像素。

如果把const float range[2] = {0, 256};改成const float range[2] = {50, 200};

结果变成了[95967; 51565; 39066; 6193; 961; 294; 51; 26]

95967+51565+39066+ 6193+ 961+294+ 51+ 26=194123<512×512,说明{50, 200}范围外的一些像素没参与计算。

Uniform

这个参数表示是否均匀。也就是const float range[2] = {0, 256}这个范围是否被均匀分成8份

const int histSize[1] = {8})。如果不是均匀的,就应该这样const float range[9] =

{0,50,75,100,120,160,200,220,256},用9个数表示8份数据的边界。

//读取一张图像
    Mat image[1];
    image[0] = imread("../Image/apple.jpg");

    //取图像的0通道数据
    const int channels[1] = {0};

    //最终结果会有8行1列
    const int histSize[1] = {8};

    //参与计算的数据范围[0,256),也就是uchar类型的全部数据
    //如果范围是[m,n),范围外的数据不会参与计算
    const float range[9] = {0,50,75,100,120,160,200,220,256};
    const float *ranges[1] = {range};

    //计算直方图
    Mat hist;
    calcHist(image, 1, channels, Mat(), hist, 1, histSize, ranges, false);

    //输出直方图
    cout << hist << endl;

结果是这样[67991; 113817; 62353; 15946; 1916; 91; 14; 16]

Accumulate

表示是否累积计算,如果true,就不会清空hist,会把上次结果累积到下次。

当Accumulate=flase 时:

//计算直方图
    Mat hist;
    calcHist(image, 1, channels, Mat(), hist, 1, histSize, ranges, true, false);
    //输出直方图
    cout << hist << endl;
    calcHist(image, 1, channels, Mat(), hist, 1, histSize, ranges, true, false);
    //输出直方图
    cout << hist << endl;

两次输出结果是:

[7281; 137833; 90340; 25579; 990; 80; 31; 10]

[7281; 137833; 90340; 25579; 990; 80; 31; 10] 

当Accumulate=true时:

Accumulate=true
//计算直方图
Mat hist;
calcHist(image, 1, channels, Mat(), hist, 1, histSize, ranges, true, false);
//输出直方图
cout << hist << endl;
calcHist(image, 1, channels, Mat(), hist, 1, histSize, ranges, true, false);
//输出直方图
cout << hist << endl;

结果变成了这样:

[7281; 137833; 90340; 25579; 990; 80; 31; 10]

[14562; 275666; 180680; 51158; 1980; 160; 62; 20]

也就是下次的结果在上次结果基础上累积。

2维数据

上面都是1维数据的情况,看一下2维数据。

//读取一张图像
    Mat image[1];
    image[0] = imread("../Image/apple.jpg");

    //取图像的0、1通道数据
    const int channels[2] = {0, 1};

    //最终结果会有8行6列
    const int histSize[2] = {8, 6};

    //参与计算的数据范围[0,256),也就是uchar类型的全部数据
    //如果范围是[m,n),范围外的数据不会参与计算
    const float range0[2] = {0, 256};
    const float range1[2] = {0, 256};
    const float *ranges[2] = {range0, range1};

    //计算直方图
    Mat hist;
    calcHist(image, 1, channels, Mat(), hist, 2, histSize, ranges);
    //输出直方图
cout << hist << endl;

结果就是这个const int histSize[2] = {8, 6}维度数据:

[1309,     1219,       3754,         762,     237,           0;

 484,      30587,    94245,     11228,      997,      292;

 0,            2518,     33548,    45328,    8108,      838;

 0,                 0,           676,   14186,   10072,     645;

 0,                 0,               0,       399,       155,     436;

 0,                 0,               0,           0,         26,       54;

 0,                 0,               0,           0,           3,        28;

 0,                 0,               0,           0,           0,        10]

这些数据加起来还是521×512=262144,仍然是总的像素数量。这些数据太大了,为了用图像显示,将数据处理一下:

//数据太大了,处理一下
    hist += 1;
    log(hist, hist);
    Mat dst;
    normalize(hist, dst, 0, 255, NORM_MINMAX);

    Mat convert;
    dst.convertTo(convert, CV_8UC1);

    //输出直方图
    cout << convert << endl;


    namedWindow("convert", WINDOW_NORMAL);
    imshow("convert", convert);

 

用图像表示就是上图,channel[0]被划分成8份,channel[1]被划分成6份,然后对image[0]中每个像素进行统计。比如位置(i,j)对应的0通道数据属于上图的第3行,1通道数据属于上图的5通道,那么上图中的格子(3,5)就会计数加1。

处理之后的数据已经无法反应像素的准确数量,但是像素分布状况还是正确的

[160,        158,         183,        148,        122,             0;
 138,        230,         255,         208,       154,         126;
   0,          174,         232,         239,       200,         150;
   0,             0,          145,         213,       205,         144;
   0,             0,              0,         133,       112,         135;
   0,             0,              0,             0,         73,           89;
   0,             0,              0,             0,         31,           75;
   0,             0,              0,             0,           0,           53]

上面的数据用3D显示能直观的看出像素分布状况。更高维度的计算结果,不知该如何以直观的方式显示了。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2231653.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

《Python网络安全项目实战》项目2 Python基础练习

《Python网络安全项目实战》项目2 Python基础练习 项目2 Python基础练习任务2.1 使用数据类型2.1.1 输出2.1.2 输入2.1.3 数字2.1.4 字符串 相关知识 任务评价 任务拓展 任务2.2 使用组合数据类型2.2.1 列表2.2.2 元组2.2.3 集合2.2.4 字典 相关知识 任务评价 任务…

less解决function中return写法在浏览器被识别成Object导致样式失败的问题

问题描述&#xff1a; 一开始写的是: baseFontSize: 37.5px;//基于屏幕尺寸/10得出的基准font-size// return失败,浏览器显示为[object Object],[object Object] .pxToRem(px){value: px / baseFontSize * 1rem;return value; } 使用height: .pxToRem(40px);之后浏览器却是这…

安装中文版 Matlab R2022a

下载安装包 压缩包有点大&#xff0c;大概20G 百度网盘&#xff1a;下载链接 提取码&#xff1a;rmja 安装 解压后打开目录&#xff0c;右键以管理员身份运行 setup.exe 选择输入安装秘钥 输入秘钥&#xff1a; 50874-33247-14209-37962-45495-25133-28159-33348-18070-6088…

Linux云计算 |【第五阶段】CLOUD-DAY9

主要内容&#xff1a; Metrics资源利用率监控、存储卷管理&#xff08;临时卷ConfitMap、EmptyDir、持久卷HostPath、NFS(PV/PVC)&#xff09; 一、Metrics介绍 metrics是一个监控系统资源使用的插件&#xff0c;可以监控Node节点上的CPU、内存的使用率&#xff0c;或Pod对资…

sql数据库数据修改与删除-DML

目录 修改数据 同时修改两个数据 修改表中所有数据 删除数据 删除指定字段的值&#xff08;用UPDATE&#xff09; 删除整张表的数据 举例表如下FIRST表 修改数据 UPDATE 表名 SET 字段名1值1,字段名2值2,...[WHERE 条件]; 将first表name字段张三修改为张三丰。 UPDA…

Oracle视频基础1.3.5练习

Oracle视频基础1.3.4练习 1.3.5 检查数据库启动状态 ps -ef | grep oracle ipcs clear演示alter向前向后改database阶段 sqlplus /nolog conn / as sysdba startup mount alter database nomount # 报错 alter database open启动restricted mode&#xff0c;创建一个connect&…

MySQL数据库迁移到DM8数据库

1. 达梦新建zsaqks库 2. 打开DM数据迁移工具 3. 新建工程 4. 迁移 - 右击 - 新建迁移 下一步 5. 选择迁移方式 6. MySQL数据源 请输入MySQL数据库信息 7. DM数据库目的 请输入达梦数据库信息 8. 迁移选项 保持对象名大小写(勾选) 9. 指定模式 指定是从数据源复制对象。 10.…

如何在Linux系统中使用Ansible进行自动化部署

如何在Linux系统中使用Ansible进行自动化部署 Ansible简介 安装Ansible 在Debian/Ubuntu系统中安装 在CentOS/RHEL系统中安装 启动Ansible服务 Ansible基本概念 Inventory Playbook Module 配置Ansible 测试Ansible配置 执行Ansible Playbook Ansible模块 文件模块 包管理模块…

爬虫学习2

数据解析 正则表达式 量词&#xff1a; import re#searcch只会匹配到第一次匹配的内容#result re.search(r"\d","今年32")#print(result.group()) #result re.findall(r"\d","我是一个abcdeafg") #print(result)#search只会匹配到第…

初步认识Java,及使用

JAVA 特点 简单性 面向对象 分布式 健壮性 安全性 体系结构中立&#xff08;平台无关&#xff09; 可移植性 解释执行 高性能 多线程 动态 发展史 JDK&#xff0c;Eclipse下载&#xff0c;…

牛客sql题目总结(1)

1.第N高的薪水 AC: create function getnthhighestsalary(n int) returns int begindeclare m int; set m n - 1; return (select distinct salaryfrom employeeorder by salary desclimit m, 1); end 2. 3. 4. 5. 6.

Pr 视频效果:ASC CDL

视频效果/颜色校正/ASC CDL Color Correction/ASC CDL ASC CDL ASC CDL效果通过对红、绿、蓝三个原色通道的独立调整&#xff0c;实现对图像色彩的精确控制。在此基础上&#xff0c;还可用于调整处理后图像的整体饱和度。 ◆ ◆ ◆ 效果选项说明 斜率 Slope、偏移 Offset和功…

开源OCR免费助力法律文档数字化,提升文档管理效率

一、在法律行业&#xff0c;每天需要处理大量纸质文件&#xff0c;从合同到判决书&#xff0c;手动录入不仅费时&#xff0c;还容易出错。为解决这一问题推出了一款免费开源的OCR智能识别平台&#xff0c;通过先进的光学字符识别&#xff08;OCR&#xff09;技术&#xff0c;将…

RAG流程

目录 1. 前言2. 流程详解2.1 知识管理2.1.1 知识存储【未展开】2.1.2 知识加载(1) docx(2) pdf 2.2 切分2.2.1 固定长度分割2.2.2 自己写的固定分块方法 2.3 创建知识库的向量库2.4 检索2.5 模型部署和加载&#xff08;1&#xff09;api生成&#xff08;2&#xff09;Transform…

JeecgBoot入门

最近在了解低代码平台&#xff0c;其中关注到gitee上开源项目JeecgBoot&#xff0c;JeecgBoot官方也有比较完整的入门教学文档&#xff0c;这里我们将耕者官方教程学习&#xff0c;并将其记录下来。 一、项目简介 JeecgBoot 是一款基于代码生成器的低代码开发平台拥有零代码能力…

threejs开源实例-粒子地球

源码 three.js webgl - geometry - cube <script type"module">import * as THREE from "three";import { OrbitControls } from "three/addons/controls/OrbitControls.js";import { GUI } from "three/addons/libs/lil-gui.modul…

11.1 daimayuan 模拟赛总结

逆天 复盘 7:40 开题 扫了一眼四个题&#xff0c;T1 神秘构造&#xff0c;感觉和以前做过的某道题有点像啊&#xff0c;应该能做&#xff1b;T2 题意很简洁&#xff0c;感觉可做&#xff1b;T3&#xff0c;一眼感觉是什么优化 dp&#xff1b;T4&#xff0c;看上去像是拆期望…

2024年,Rust开发语言,现在怎么样了?

Rust开发语言有着一些其他语言明显的优势&#xff0c;但也充满着争议&#xff0c;难上手、学习陡峭等。 Rust 是由 Mozilla 主导开发的通用、编译型编程语言&#xff0c;2010年首次公开。 在 Stack Overflow 的年度开发者调查报告中&#xff0c;Rust 连续多年被评为“最受喜爱…

Golang | Leetcode Golang题解之第528题按权重随机选择

题目&#xff1a; 题解&#xff1a; type Solution struct {pre []int }func Constructor(w []int) Solution {for i : 1; i < len(w); i {w[i] w[i-1]}return Solution{w} }func (s *Solution) PickIndex() int {x : rand.Intn(s.pre[len(s.pre)-1]) 1return sort.Searc…

微服务day02

教学文档&#xff1a; 黑马教学文档 Docker Docker的安装 镜像和容器 命令解读 常见命令 案例 查看DockerHub&#xff0c;拉取Nginx镜像&#xff0c;创建并运行容器 搜索Nginx镜像&#xff1a;在 www.hub.docker.com 网站进行查询 拉取镜像&#xff1a; docker pull ngin…