庞峰Opencv学习(三)--灰度直方图

2024-09-05 17:48

本文主要是介绍庞峰Opencv学习(三)--灰度直方图,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

  灰度直方图是一个帮助分析图像很有力的工具吧,今天学习了下,一天不敲代码就生疏啊- -

  灰度直方图这个程序主要有几个函数和结构体先说一下:

  1.  CreateHIst

         CvHistogram* cvCreateHist( int dims, int* sizes, int type,  float** ranges=NULL, int uniform=1 );

          dims代表直方图是几维的,本程序是一个一维直方图,即bins只由x坐标索引

         sizes 代表有多少个bins

         type有两种类型一是稠密数组CV_HIST_ARRAY和稀疏数组CV_HIST_TREE,这里由于是一维直方图我们选择稠密数组

         ranges代表了bins中值得取值范围,这里我们的灰度值为0-255,所以选取0-255

         uniform归一化标识,默认为1,标识x方向被等分为sizes个bins

  2. CalcHist

        void cvCalcHist( IplImage** image, CvHistogram* hist, int accumulate=0, const CvArr* mask=NULL );

       image为输入图像s

       hist为直方图指针

      这里需要注意如果要计算的图像是多通道时,可以用多个单通道图来表示

    

#include "cv.h"
#include "cxcore.h"
#include "highgui.h"
#include <stdio.h>
IplImage* DisplayHist(CvHistogram* hist, float xscalar=1, float yscalar =1)
{
float maxHist=0;
cvGetMinMaxHistValue(hist, 0, &maxHist , 0 ,0);
IplImage* histimg = cvCreateImage(cvSize(256*xscalar,64*yscalar),8 ,1);
cvZero(histimg);
//取出直方图中的灰度值,并进行归一化处理
float currentVal=0;
float nextVal=0;
for (int i=0; i<255;i++)
{
currentVal = cvQueryHistValue_1D(hist,i);
nextVal = cvQueryHistValue_1D(hist,i+1);
CvPoint pt[4];
pt[1] = cvPoint(i*xscalar, 64*yscalar);
pt[2] = cvPoint((i+1)*xscalar, 64*yscalar);
pt[3] = cvPoint((i+1)*xscalar, (64-(nextVal/maxHist)*64)*yscalar);
pt[4] = cvPoint(i*xscalar, (64-(currentVal/maxHist)*64)*yscalar);
//填充凸多边形
int npts = 5;
CvPoint pts[5];
pts[0]=pt[1];
pts[1]=pt[2];
pts[2]=pt[3];
pts[3]=pt[4];
pts[4]=pt[1];
cvFillConvexPoly(histimg,pts,npts,cvScalar(255));//白色填充
}
return histimg;
}
void main()
{
IplImage* src = cvLoadImage("lena.jpg");
cvNamedWindow("src");
cvShowImage("src",src);
CvHistogram* hist;
int sizes = 256;//有256个bins
int dims = 1;//一维直方图
float range[] = {0,255}; //灰度图深度0-255
float* ranges[] = {range};
hist = cvCreateHist(dims, &sizes, CV_HIST_ARRAY/*稠密数组*/,ranges,1);
cvClearHist(hist);
IplImage* bimg = cvCreateImage(cvGetSize(src), 8 , 1);
IplImage* gimg = cvCreateImage(cvGetSize(src), 8 , 1);
IplImage* rimg = cvCreateImage(cvGetSize(src), 8 , 1);
cvSplit(src,bimg,gimg,rimg,NULL);
cvCalcHist(&bimg,hist,0,0);
IplImage *bhist = DisplayHist(hist);
cvNamedWindow("b");
cvShowImage("b",bhist);
cvClearHist(hist);
cvCalcHist(&gimg,hist,0,0);
IplImage *ghist = DisplayHist(hist);
cvNamedWindow("g");
cvShowImage("g",ghist);
cvClearHist(hist);
cvCalcHist(&rimg,hist,0,0);
IplImage *rhist = DisplayHist(hist);
cvNamedWindow("r");
cvShowImage("r",rhist);
cvClearHist(hist);
cvWaitKey(0);
cvReleaseImage(&src);
cvReleaseImage(&bimg);
cvReleaseImage(&gimg);
cvReleaseImage(&rimg);
}


这篇关于庞峰Opencv学习(三)--灰度直方图的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1139649

相关文章

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

系统架构师考试学习笔记第三篇——架构设计高级知识(20)通信系统架构设计理论与实践

本章知识考点:         第20课时主要学习通信系统架构设计的理论和工作中的实践。根据新版考试大纲,本课时知识点会涉及案例分析题(25分),而在历年考试中,案例题对该部分内容的考查并不多,虽在综合知识选择题目中经常考查,但分值也不高。本课时内容侧重于对知识点的记忆和理解,按照以往的出题规律,通信系统架构设计基础知识点多来源于教材内的基础网络设备、网络架构和教材外最新时事热点技术。本课时知识

线性代数|机器学习-P36在图中找聚类

文章目录 1. 常见图结构2. 谱聚类 感觉后面几节课的内容跨越太大,需要补充太多的知识点,教授讲得内容跨越较大,一般一节课的内容是书本上的一章节内容,所以看视频比较吃力,需要先预习课本内容后才能够很好的理解教授讲解的知识点。 1. 常见图结构 假设我们有如下图结构: Adjacency Matrix:行和列表示的是节点的位置,A[i,j]表示的第 i 个节点和第 j 个