OpenCV3入门（十一）图像直方图

1、直方图的概念

灰度直方图是灰度级的函数，描述的是图像中具有该灰度级的像元的个数。确定图像像素的灰度值范围，以适当的灰度间隔为单位将其划分为若干等级，以横轴表示灰度级，以纵轴表示每一灰度级具有的像素数或该像素占总像元数的比例值，做出的条形统计图即为灰度直方图。灰度直方图：横坐标是灰度，纵坐标是该灰度在图像中出现的次数。

图像直方图可以表示图像中亮度分布，能借助直方图了解需要如何调整亮度分布，直方图中左侧表示黑色、较暗的区域，右侧表示白色、较亮的区域。计算机视觉领域常借助直方图来实现图像的二值化。

2、OpenCV直方图

OpenCV使用calcHist函数实现直方图计算，函数原型如下图。

CV_EXPORTS 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 );

参数详解：

onst Mat* images：输入图像组

int nimages：输入图像的个数

const int* channels：需要统计直方图的第几通道

InputArray mask：掩膜，计算掩膜内的直方图

OutputArray hist：输出的直方图的数组

int dims：直方图的维度，需要统计直方图通道的个数

const int* histSize：指的是直方图分成多少个区间，就是 bin的个数

const float** ranges：统计像素值的区间，每个维度数值的取值范围

bool uniform=true：是否对得到的直方图数组进行归一化处理

bool accumulate=false：在多个图像时，是否累计计算像素值得个数

测试代码如下：

Mat src = imread("D:\\WORK\\5.OpenCV\\LeanOpenCV\\pic_src\\img1.bmp");
imshow("原图", src);
 
MatND dstHist;
int dims = ;
float hranges[] = { , };
const float *ranges[]= { hranges };
int size = ;
int channels = ;
 
calcHist(&src, , &channels, Mat(), dstHist, dims, &size, ranges);
 
double maxVal = ;
double minVal = ;
cv::minMaxLoc(dstHist, &minVal, &maxVal, , );
Mat histImg(size, size, CV_8U, cv::Scalar());
int hpt = static_cast<int>(0.9*size);
 
for (int h = ; h < ; h++)
{
    float binVal = dstHist.at<float>(h);
    int intensity = static_cast<int>(binVal * hpt / maxVal);
    cv::line(histImg, Point(h, size-), Point(h+, size- - intensity), Scalar::all());
}
 
imshow("直方图", histImg);
waitKey();

输出结果为：

如果是彩色图像，则可以计算RGB通道各自的直方图。

测试代码如下：

Mat src = imread("D:\\WORK\\5.OpenCV\\LeanOpenCV\\pic_src\\pic5.bmp");
imshow("原图", src);
 
int histsize = ;
float range[] = { , };
const float*histRanges = { range };
 
vector<Mat>bgr_planes;
split(src, bgr_planes);
Mat b_hist, g_hist, r_hist;
calcHist(&bgr_planes[], , , Mat(), b_hist, , &histsize, &histRanges, true, false);
calcHist(&bgr_planes[], , , Mat(), g_hist, , &histsize, &histRanges, true, false);
calcHist(&bgr_planes[], , , Mat(), r_hist, , &histsize, &histRanges, true, false);
 
Mat histImg = Mat::zeros(, *, CV_8UC3);
for (int h = ; h < ; h++)
{
    float binVal_r = r_hist.at<float>(h);
    float binVal_g = g_hist.at<float>(h);
    float binVal_b = b_hist.at<float>(h);
 
    rectangle(histImg, Point(h,  - ), Point(h + ,  - binVal_r), Scalar(, , ));
    rectangle(histImg, Point(h+,  - ), Point(h ++ ,  - binVal_g), Scalar(, , ));
    rectangle(histImg, Point(h+,  - ), Point(h + + ,  - binVal_b), Scalar(, , ));
}
imshow("直方图", histImg);

输出结果为：

3、直方图均衡化

直方图均衡化即灰度均衡化，通过灰度映射，使输入图像的灰度转换为在每一级灰度上都有近似相同的点数分布，这样输出的直方图就是均匀的，图像获得较高的对比度和较大的动态范围。直方图均衡化对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。使用直方图均衡化技术来处理图像，能扩展图像的动态范围，扩宽灰度等级范围，提高对比度。

直方图均衡化可以调整较暗的图片，图片较暗，动态范围低，直方图灰度等级偏暗，均衡化后灰度基本平均分布。。

使用直方图均衡化，在处理较暗的图像时特别有效，如下测试。

Mat blue, green, red, dst;
blue  = bgr_planes[];
green = bgr_planes[];
red   = bgr_planes[];
 
equalizeHist(blue, blue);
equalizeHist(green, green);
equalizeHist(red, red);
merge(bgr_planes, , dst);
imshow("均衡化图", dst);
 
vector<Mat> bgr_planes2;
split(dst, bgr_planes2);
calcHist(&bgr_planes2[], , , Mat(), b_hist, , &histsize, &histRanges, true, false);
calcHist(&bgr_planes2[], , , Mat(), g_hist, , &histsize, &histRanges, true, false);
calcHist(&bgr_planes2[], , , Mat(), r_hist, , &histsize, &histRanges, true, false);
 
histImg = Mat::zeros(,  * , CV_8UC3);
for (int h = ; h < ; h++)
{
    float binVal_r = r_hist.at<float>(h);
    float binVal_g = g_hist.at<float>(h);
    float binVal_b = b_hist.at<float>(h);
 
    rectangle(histImg, Point(h,  - ), Point(h + ,  - binVal_r), Scalar(, , ));
    rectangle(histImg, Point(h + ,  - ), Point(h +  + ,  - binVal_g), Scalar(, , ));
    rectangle(histImg, Point(h + ,  - ), Point(h +  + ,  - binVal_b), Scalar(, , ));
}

输出图像对比：

处理后的图片亮度提高，动态范围扩大，这里有一个问题，由于是全局处理，车牌由于反光材料本来就属于最亮的区域，均衡化后更亮了，导致车牌亮度过曝反而更加难识别了，所以需要特定的直方图处理。

对比直方图：

5、参考文献

1、《OpenCV3 编程入门》，电子工业出版社，毛星雨著

2、《学习OpenCV》，清华大学出版社，Gary Bradski， Adrian kaehler著

3、OpenCV图像直方图

https://blog.csdn.net/leonardohaig/article/details/88240112

4、图像处理基础(8)：图像的灰度直方图、直方图均衡化、直方图规定化（匹配）

https://www.cnblogs.com/wangguchangqing/p/7098213.html

5、OpenCV实现图像的直方图处理

https://www.cnblogs.com/noticeable/p/10449867.html

6、【OpenCV学习笔记】之直方图（Histogram）

https://blog.csdn.net/zhu_hongji/article/details/81663161

技术博客，转载请注明。

https://www.cnblogs.com/pingwen/p/12380776.html