利用OpenCV的函数calcHist()计算出图像的直方图数据后绘制图像的直方图

Posted 2023-01-09 昊虹AI笔记

利用OpenCV的函数calcHist()计算出图像的直方图数据后绘制图像的直方图

在上一篇博文 https://www.hhai.cc/thread-200-1-1.html 中已经对OpenCV的直方图计算函数calcHist()进行了详细介绍。
这篇博文介绍如何用直方图数据绘制直方图。

OpenCV是没有统计图绘制的相关函数的，所以要么用第三方库，要么想另外的办法。

先说Python-OpenCV中如何用直方图数据绘制直方图，由于Python安装和导入扩展库是非常方便简单的，所以我们用扩展库Matplotlib来绘制图像的直方图。

关于扩展库Matplotlib的安装大家可以参见下面这篇博文：
https://www.hhai.cc/thread-64-1-1.html

关于扩展库Matplotlib的使用示例可以参考下面这篇博文：
https://www.hhai.cc/thread-210-1-1.html

示例代码如下：

# -*- coding: utf-8 -*-
# 出处：昊虹AI笔记网(hhai.cc)
# 用心记录计算机视觉和AI技术

# OpenCV的版本为4.4.0

import cv2 as cv
import matplotlib.pyplot as plt
import sys

if __name__ == '__main__':
    # 读取图像并判断是否读取成功
    img = cv.imread('E:/material/images/2022/2022-12/view1.jpg', 0)
    if img is None:
        print('Failed to read img.')
        sys.exit()

    cv.imshow('img', img)

    hist1 = cv.calcHist([img], [0], None, [256], [0, 256])

    plt.plot(hist1)

    cv.waitKey(0)
    cv.destroyAllWindows()

运行结果如下：


从上面的直方图中，我们可以清晰的看出，图像的灰度数据值主要集中在40-70的范围内，所以整幅图像是偏暗的。

虽然C++中也有专门绘制统计图的库，但显然没有Python导入扩展库那么简单，并且在使用上数据的引用传递也是个麻烦事，所以在C++中，我们就用OpenCV自带的线段绘制函数line()进行图像直方图的绘制了。示例代码如下：

//出处：昊虹AI笔记网(hhai.cc)
//用心记录计算机视觉和AI技术

//OpenCV版本 OpenCV3.0

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

using namespace std;
using namespace cv;


int main()

    // 图像获取及判断 
    cv::Mat Image, ImageGray;
    Image = cv::imread("E:/material/images/2022/2022-12/view1.jpg"); 
    if(Image.empty()) 
      return -1;
    cv::imshow("Image",Image);
    // 转换为灰度图像
    cv::cvtColor(Image,ImageGray,CV_BGR2GRAY);
    // 定义直方图参数
    const int channels[1]=0;
    const int histSize[1]=256;
    float pranges[2]=0,256;
    const float* ranges[1]=pranges;
    cv::MatND hist;
    // 计算直方图
    cv::calcHist(&ImageGray,1,channels,cv::Mat(),hist,1,
    histSize,ranges);
    // 初始化画布参数
    int hist_w = 500; 
    int hist_h = 500;
    int nHistSize = 255;
    // 区间
    int bin_w = cvRound( (double) hist_w / nHistSize );
    cv::Mat histImage( hist_w, hist_h,
             CV_8UC3,   cv::Scalar( 0,0,0) );
	  // 将直方图归一化到范围 [ 0, histImage.rows ]
	  normalize(hist, hist, 0, histImage.rows, 
               cv::NORM_MINMAX,  -1, cv::Mat() );
	  // 在直方图画布上画出直方图
    for( int i = 1; i < nHistSize; i++ )
    
      line( histImage, cv::Point(bin_w*(i-1),
             hist_h-cvRound(hist.at<float>(i-1)) ) ,
             cv::Point( bin_w*(i), 
             hist_h - cvRound(hist.at<float>(i)) ),
             cv::Scalar( 0, 0, 255), 2, 8, 0  );
    
    // 显示直方图
    cv::imshow("histImage", histImage);
    cv::waitKey();
    return 0;

运行结果如下图所示：

把Python代码的运行结果和C++代码的运行结果放在一起对比如下：

从上图可以看出，二者其实是相同的，只是因为Python的Matplotlib库是专业的统计绘图库，所以显然要专业的多。