OpenCV3入門（十一）影象直方圖
1、直方圖的概念
灰度直方圖是灰度級的函式，描述的是影象中具有該灰度級的像元的個數。確定影象畫素的灰度值範圍，以適當的灰度間隔為單位將其劃分為若干等級，以橫軸表示灰度級，以縱軸表示每一灰度級具有的畫素數或該畫素佔總像元數的比例值，做出的條形統計圖即為灰度直方圖。灰度直方圖：橫座標是灰度，縱座標是該灰度在影象中出現的次數。
影象直方圖可以表示影象中亮度分佈，能借助直方圖瞭解需要如何調整亮度分佈，直方圖中左側表示黑色、較暗的區域，右側表示白色、較亮的區域。計算機視覺領域常藉助直方圖來實現影象的二值化。
2、OpenCV直方圖
OpenCV使用calcHist函式實現直方圖計算，函式原型如下圖。
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 );引數詳解：
onst Mat* images：輸入影象組
int nimages：輸入影象的個數
const int* channels：需要統計直方圖的第幾通道
InputArray mask：掩膜，計算掩膜內的直方圖
OutputArray hist：輸出的直方圖的陣列
int dims：直方圖的維度，需要統計直方圖通道的個數
const int* histSize：指的是直方圖分成多少個區間，就是 bin的個數
const float** ranges： 統計畫素值的區間，每個維度數值的取值範圍
bool uniform=true：是否對得到的直方圖陣列進行歸一化處理
bool accumulate=false：在多個影象時，是否累計計算畫素值得個數
測試程式碼如下：
Mat src = imread("D:\\WORK\\5.OpenCV\\LeanOpenCV\\pic_src\\img1.bmp");
imshow("原圖", src);
MatND dstHist;
int dims = 1;
float hranges[] = { 0,255 };
const float *ranges[]= { hranges };
int size = 256;
int channels = 0;
calcHist(&src, 1, &channels, Mat(), dstHist, dims, &size, ranges);
double maxVal = 0;
double minVal = 0;
cv::minMaxLoc(dstHist, &minVal, &maxVal, 0, 0);
Mat histImg(size, size, CV_8U, cv::Scalar(0));
int hpt = static_cast<int>(0.9*size);
for (int h = 0; h < 256; h++)
{
float binVal = dstHist.at<float>(h);
int intensity = static_cast<int>(binVal * hpt / maxVal);
cv::line(histImg, Point(h, size-1), Point(h+1, size-1 - intensity), Scalar::all(255));
}
imshow("直方圖", histImg);
waitKey(0);輸出結果為：
如果是彩色影象，則可以計算RGB通道各自的直方圖。
測試程式碼如下：
Mat src = imread("D:\\WORK\\5.OpenCV\\LeanOpenCV\\pic_src\\pic5.bmp");
imshow("原圖", src);
int histsize = 256;
float range[] = { 0,256 };
const float*histRanges = { range };
vector<Mat>bgr_planes;
split(src, bgr_planes);
Mat b_hist, g_hist, r_hist;
calcHist(&bgr_planes[0], 1, 0, Mat(), b_hist, 1, &histsize, &histRanges, true, false);
calcHist(&bgr_planes[1], 1, 0, Mat(), g_hist, 1, &histsize, &histRanges, true, false);
calcHist(&bgr_planes[2], 1, 0, Mat(), r_hist, 1, &histsize, &histRanges, true, false);
Mat histImg = Mat::zeros(256, 256*3, CV_8UC3);
for (int h = 0; h < 256; 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, 256 - 1), Point(h + 1, 256 - binVal_r), Scalar(255, 0, 0));
rectangle(histImg, Point(h+255, 256 - 1), Point(h +255+ 1, 256 - binVal_g), Scalar(0, 255, 0));
rectangle(histImg, Point(h+510, 256 - 1), Point(h + 510+ 1, 256 - binVal_b), Scalar(0, 0, 255));
}
imshow("直方圖", histImg);
輸出結果為：
3、直方圖均衡化
直方圖均衡化即灰度均衡化，通過灰度對映，使輸入影象的灰度轉換為在每一級灰度上都有近似相同的點數分佈，這樣輸出的直方圖就是均勻的，影象獲得較高的對比度和較大的動態範圍。直方圖均衡化對影象進行非線性拉伸，重新分配影象畫素值，使一定灰度範圍內的畫素數量大致相同。使用直方圖均衡化技術來處理影象，能擴充套件影象的動態範圍，擴寬灰度等級範圍，提高對比度。
直方圖均衡化可以調整較暗的圖片，圖片較暗，動態範圍低，直方圖灰度等級偏暗，均衡化後灰度基本平均分佈。。
使用直方圖均衡化，在處理較暗的影象時特別有效，如下測試。
Mat blue, green, red, dst;
blue = bgr_planes[0];
green = bgr_planes[1];
red = bgr_planes[2];
equalizeHist(blue, blue);
equalizeHist(green, green);
equalizeHist(red, red);
merge(bgr_planes, 3, dst);
imshow("均衡化圖", dst);
vector<Mat> bgr_planes2;
split(dst, bgr_planes2);
calcHist(&bgr_planes2[0], 1, 0, Mat(), b_hist, 1, &histsize, &histRanges, true, false);
calcHist(&bgr_planes2[1], 1, 0, Mat(), g_hist, 1, &histsize, &histRanges, true, false);
calcHist(&bgr_planes2[2], 1, 0, Mat(), r_hist, 1, &histsize, &histRanges, true, false);
histImg = Mat::zeros(256, 256 * 3, CV_8UC3);
for (int h = 0; h < 256; 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, 256 - 1), Point(h + 1, 256 - binVal_r), Scalar(255, 0, 0));
rectangle(histImg, Point(h + 255, 256 - 1), Point(h + 255 + 1, 256 - binVal_g), Scalar(0, 255, 0));
rectangle(histImg, Point(h + 510, 256 - 1), Point(h + 510 + 1, 256 - binVal_b), Scalar(0, 0, 255));
}
輸出影象對比：
處理後的圖片亮度提高，動態範圍擴大，這裡有一個問題，由於是全域性處理，車牌由於反光材料本來就屬於最亮的區域，均衡化後更亮了，導致車牌亮度過曝反而更加難識別了，所以需要特定的直方圖處理。
對比直方圖：
5、參考文獻
1、《OpenCV3 程式設計入門》，電子工業出版社，毛星雨著
2、《學習OpenCV》，清華大學出版社，Gary Bradski， Adrian kaehler著
3、OpenCV影象直方圖
https://blog.csdn.net/leonardohaig/article/details/88240112
4、影象處理基礎(8)：影象的灰度直方圖、直方圖均衡化、直方圖規定化（匹配）
https://www.cnblogs.com/wangguchangqing/p/7098213.html
5、OpenCV實現影象的直方圖處理
https://www.cnblogs.com/noticeable/p/10449867.html
6、【OpenCV學習筆記】之直方圖（Histogram）
https://blog.csdn.net/zhu_hongji/article/details/81663161
技術部落格，轉載請註明。
https://www.cnblogs.com/pingwen/p/12380776.html