今天写直方图,学了几个相关函数
1. mixChannels
void mixChannels(const Mat* src, int nsrc, Mat* dst, int ndst, const int* fromTo, size_t npairs)
功能: 把 src 中指定的若干通道 复制到 dst中
src: 输入图像, 可以多张
nsrc: 有多少张输入图像
dst: 输出图像,可以多张
ndst: 有多少张输出图像
fromTo: {0 , 1, 1, 2, 2, 0} 这样偶数个数的数组, 表示把输入图像的第0通道复制到输出图像的第1通道, 把输入图像的第1通道复制到输出图像的第2通道, 把输入图像的第2通道复制到输出图像的第0通道。
nparis:表示有fromTo中有多少对, 对{0 , 1, 1, 2, 2, 0}来说,nparis = 3;
应用例子: 来源http://www.opencv.org.cn/opencvdoc/2.3.2/html/modules/core/doc/operations_on_arrays.html?highlight=mixchannels#void mixChannels(const Mat* src, int nsrc, Mat* dst, int ndst, const int* fromTo, size_t npairs)
In the example below, the code splits a 4-channel RGBA image into a 3-channel BGR (with R and B channels swapped) and a separate alpha-channel image:
Mat rgba( 100, 100, CV_8UC4, Scalar(1,2,3,4) ); Mat bgr( rgba.rows, rgba.cols, CV_8UC3 ); Mat alpha( rgba.rows, rgba.cols, CV_8UC1 ); // forming an array of matrices is a quite efficient operation, // because the matrix data is not copied, only the headers Mat out[] = { bgr, alpha }; // rgba[0] -> bgr[2], rgba[1] -> bgr[1], // rgba[2] -> bgr[0], rgba[3] -> alpha[0] int from_to[] = { 0,2, 1,1, 2,0, 3,3 }; mixChannels( &rgba, 1, out, 2, from_to, 4 );
2. cvRound
int cvRound(double value)
功能:返回与value最接近的整数
3. createTrackbar
int cvCreateTrackbar(const char* trackbarName, const char* windowName, int* value, int count, CvTrackbarCallback onChange)
功能:创建一个滑动条。
trackbarName: 滑动条名字
windowname: 滑动条父窗口的名字,滑动条会显示在父窗口上
value: 滑动条的默认初始值
count: 滑动条在最大位置时对应的数值, 最小值总是0
onChange: 滑动条的回调函数, 都是 void Foo(int, void*); 的形式, 其第一个参数是滑动条对应的数值, 第二个参数是传递用户信息的,可以避免使用全局变量
4. calcHist
void calcHist(const Mat* arrays, int narrays, const int* channels, InputArray mask, OutputArrayhist, int dims, const int* histSize, const float** ranges, bool uniform=true, bool accumulate=false )
功能:计算直方图
arrays: 输入的图像,可以不只一张
narrays: 输入图像的个数
channels: 输入图像中用来统计直方图的通道 如果有三张三通道图,则第一张图的三个通道分别是 0, 1, 2, 第二张图的三个通道分别是3, 4, 5, 第三张图的三个通道分别是 6, 7, 8.
mask: 若非空, 则只有mask中不为0的部分会被用来统计直方图
hist: 输出直方图
dims: 输出直方图的维数, 最大不能超过32
histSize: 每个维度下直方图被分为多少个区间
ranges: 每个区间的范围, 如果uniform = true 则每个区间会在给定的范围内均匀的选取。 如ranges = {0, 180}, histSize = 4, uniform = true, 则每个区间的范围是[0, 45] [45, 90][90, 135][135, 180]; 如果uniform = false 则每个区间的范围都要给出如: ranges = {0, 20, 60, 120, 180}, 区间范围是[0, 20][20, 60][60, 120][120, 180]
uniform: 区间是否均匀
accumulate: 如果是true,hist在使用中不会被清零,可以使多个图的直方图叠加在一起。
下面的例子用到了上面的函数,用来计算一幅图的直方图和反向投影图。
来源:http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/imgproc/histograms/back_projection/back_projection.html?highlight=histogram
#include "opencv2/imgproc/imgproc.hpp" #include "opencv2/highgui/highgui.hpp" #include <iostream> using namespace cv; using namespace std; Mat hsv; Mat hue; int bins = 25; void Hist_and_Backproj(int, void*); int main() { IplImage *pimg = cvLoadImage("E:\\picture\\013.jpg"); Mat src(pimg); //src = imread("F:\\competition\\label_results\\dongnanmen_1_1280x720_30_R1_0000001.jpg", 1); //imshow("test", src); cvtColor(src, hsv, CV_BGR2HSV); //分离Hue通道 hue.create(hsv.size(), hsv.depth()); int ch[] = {0, 0}; mixChannels(&hsv, 1, &hue, 1, ch, 1); //创建Trackbar 来输入bin的数目 char* window_image = "Source image"; namedWindow(window_image, CV_WINDOW_AUTOSIZE); createTrackbar("* Hue bins: ", window_image, &bins, 180, Hist_and_Backproj); Hist_and_Backproj(0, 0); imshow(window_image, src); waitKey(0); return 0; } //Trackbar事件的回调函数 void Hist_and_Backproj(int, void*) { MatND hist; int histSize = MAX(bins, 2); float hue_range[] = {0, 180}; const float* ranges = {hue_range}; //计算直方图并归一化 calcHist(&hue, 1, 0, Mat(), hist, 1, &histSize, &ranges, true, false); normalize(hist, hist, 0, 255, NORM_MINMAX, -1, Mat()); //计算反向投影 MatND backproj; calcBackProject(&hue, 1, 0, hist, backproj, &ranges, 1, true); //显示反向投影图 imshow("BackProj", backproj); //显示直方图 int w = 400; int h = 400; int bin_w = cvRound((double)w / histSize); Mat histImg = Mat::zeros(w, h, CV_8UC3); for(int i = 0; i < bins; i++) { rectangle(histImg, Point(i * bin_w, h), Point((i + 1) * bin_w, h - cvRound(hist.at<float>(i) * h / 255.0)), Scalar(0, 0, 255), -1); } imshow("Histogram", histImg); }
原文:http://www.cnblogs.com/dplearning/p/3845153.html