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：

1. # -*- coding: utf-8 -*-
   
2. # 出处：昊虹AI笔记网(hhai.cc)
   
3. # 用心记录计算机视觉和AI技术
   
4. 
   
5. # 博主微信/QQ 2487872782
   
6. # QQ群 271891601
   
7. # 欢迎技术交流与咨询
   
8. 
   
9. # OpenCV的版本为4.4.0
   
10. 
    
11. import cv2 as cv
    
12. import matplotlib.pyplot as plt
    
13. import sys
    
14. 
    
15. if __name__ == '__main__':
    
16.     # 读取图像并判断是否读取成功
    
17.     img = cv.imread('E:/material/images/2022/2022-12/view1.jpg', 0)
    
18.     if img is None:
    
19.         print('Failed to read img.')
    
20.         sys.exit()
    
21. 
    
22.     cv.imshow('img', img)
    
23. 
    
24.     hist1 = cv.calcHist([img], [0], None, [256], [0, 256])
    
25. 
    
26.     plt.plot(hist1)
    
27. 
    
28.     cv.waitKey(0)
    
29.     cv.destroyAllWindows()

复制代码

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：

[C++] 纯文本查看 复制代码

//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[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。