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
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
# 博主微信/QQ 2487872782
# QQ群 271891601
# 欢迎技术交流与咨询
# 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(, , None, , )
plt.plot(hist1)
cv.waitKey(0)
cv.destroyAllWindows()
运行结果如下：
http://pic1.hhai.cc/pic1/2023/2023-01/001/11.png
http://pic1.hhai.cc/pic1/2023/2023-01/001/12.png
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
//博主微信/QQ 2487872782
//QQ群 271891601
//欢迎技术交流与咨询
//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={0};
const int histSize={256};
float pranges={0,256};
const float* ranges={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：
http://pic1.hhai.cc/pic1/2023/2023-01/001/13.png
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：
http://pic1.hhai.cc/pic1/2023/2023-01/001/14.png
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。
页:
[1]