Zi 字媒體
2017-07-25T20:27:27+00:00
opencv_ex24-圖像放大pyrUp、將一張RGB的圖片拆成三張單元色的的圖split、直方圖計算calcHist、如果圖形很大那麼直方圖的點數很多這時就要把值歸一化normalize、四捨五入相關函數
GITHUB: https://github.com/jash-git/CPP_opencv249_ex
OpenCV計算直方圖
OpenCV的calcHist()函式可得到一個影像的直方圖,為了使用上的彈性,參數有點複雜。
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)
images:輸入圖,可以一個或多個圖,深度必須為CV_8U或CV_32F,可為任意通道數,但是每張圖的尺寸和深度必須相同。
nimages:有幾張輸入圖。
channels:直方圖通道清單。
mask:可有可無的遮罩。
hist:輸出的直方圖
dims:直方圖維度,必須為正數且不能超過CV_MAX_DIMS(目前為32),假設為灰階圖的直方圖,每個像素只有強度資料,此時維度為1。
histSize:直方圖橫軸(也稱bin)數目。
ranges:直方圖的強度範圍,以8位元無負號的影像,就是[0,255]。
uniform:各維度取值是否一致。
accumulate:如果設定為true的話,在呼叫calcHist()這函式的時候,hist的內容不會被清掉,方便我們做多次的直方圖計算的累加。
歸一化函式
normalize(src, dst, alpha, beta, norm_type, dtype, mask)
src-輸入陣列。
dst-與SRC大小相同的輸出陣列。
α-範數值在範圍歸一化的情況下歸一化到較低的範圍邊界。
β-上限範圍在範圍歸一化的情況下;它不用於範數歸一化。
正規化-規範化型別(見下面的細節)。
NORM_MINMAX: 陣列的數值被平移或縮放到一個指定的範圍,線性歸一化。
NORM_INF: 歸一化陣列的(切比雪夫距離)L∞範數(絕對值的最大值)
NORM_L1: 歸一化陣列的(曼哈頓距離)L1-範數(絕對值的和)
NORM_L2: 歸一化陣列的(歐幾里德距離)L2-範數
dType——當輸出為負時,輸出陣列具有與SRC相同的型別;否則,它具有與SRC相同的通道數和深度=CVH-MatthAsHead(DyType)。
四捨五入相關函數
cvRound():返回跟參數最接近的整數值,即四捨五入;
cvFloor():返回不大於參數的最大整數值,即向下取整;
cvCeil():返回不小於參數的最小整數值,即向上取整;
#include
#include
#include
#include
#include
#include
#include
#if defined(WIN32)
#define TIMEB _timeb
#define ftime _ftime
typedef __int64 TIME_T;
#else
#define TIMEB timeb
typedef long long TIME_T;
#endif
using namespace cv;
using namespace std;
Mat src;//input image
void Pause()
{
printf("Press Enter key to continue...");
fgetc(stdin);
}
int main()
{
Mat input;
input = imread("Lena_original.jpg");
if (!input.data)
{
printf("could not load image...\n");
}
else
{
//放大
pyrUp(input, src, Size(input.cols*2, input.rows*2));
imshow("Lena_original", src);
namedWindow("histogram", CV_WINDOW_AUTOSIZE);
// 分通道显示
vector bgr_planes;
/*
split 函数
用于将一幅多通道的图像的各个通道分离。
这个函数的原型如下:
void split(const Mat& src, vector >& mv)
*/
split(src, bgr_planes);
// 计算直方图
int histSize = 256;//灰階度0~255
float range[] = { 0, 256 };
const float *histRanges = { range };
Mat b_hist, g_hist, r_hist;
/*
OpenCV計算直方圖
OpenCV的calcHist()函式可得到一個影像的直方圖,為了使用上的彈性,參數有點複雜。
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)
images:輸入圖,可以一個或多個圖,深度必須為CV_8U或CV_32F,可為任意通道數,但是每張圖的尺寸和深度必須相同。
nimages:有幾張輸入圖。
channels:直方圖通道清單。
mask:可有可無的遮罩。
hist:輸出的直方圖
dims:直方圖維度,必須為正數且不能超過CV_MAX_DIMS(目前為32),假設為灰階圖的直方圖,每個像素只有強度資料,此時維度為1。
histSize:直方圖橫軸(也稱bin)數目。
ranges:直方圖的強度範圍,以8位元無負號的影像,就是[0,255]。
uniform:各維度取值是否一致。
accumulate:如果設定為true的話,在呼叫calcHist()這函式的時候,hist的內容不會被清掉,方便我們做多次的直方圖計算的累加。
*/
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);
// 归一化
int hist_h = 400;
int hist_w = 512;
int bin_w = hist_w / histSize;
Mat histImage(hist_w, hist_h, CV_8UC3, Scalar(0, 0, 0));//建立空白畫布
/*
歸一化函式
normalize(src, dst, alpha, beta, norm_type, dtype, mask)
src-輸入陣列。
dst-與SRC大小相同的輸出陣列。
α-範數值在範圍歸一化的情況下歸一化到較低的範圍邊界。
β-上限範圍在範圍歸一化的情況下;它不用於範數歸一化。
正規化-規範化型別(見下面的細節)。
NORM_MINMAX: 陣列的數值被平移或縮放到一個指定的範圍,線性歸一化。
NORM_INF: 歸一化陣列的(切比雪夫距離)L∞範數(絕對值的最大值)
NORM_L1: 歸一化陣列的(曼哈頓距離)L1-範數(絕對值的和)
NORM_L2: 歸一化陣列的(歐幾里德距離)L2-範數
dType——當輸出為負時,輸出陣列具有與SRC相同的型別;否則,它具有與SRC相同的通道數和深度=CVH-MatthAsHead(DyType)。
*/
//否則像素太多會爆掉
normalize(b_hist, b_hist, 0, hist_h, NORM_MINMAX, -1, Mat());
normalize(g_hist, g_hist, 0, hist_h, NORM_MINMAX, -1, Mat());
normalize(r_hist, r_hist, 0, hist_h, NORM_MINMAX, -1, Mat());
// render histogram chart
/*
功能:cvRound(), cvFloor(), cvCeil()函數講解。
函數cvRound,cvFloor,cvCeil 都是用一種舍入的方法將輸入浮點數轉換成整數:
cvRound():返回跟參數最接近的整數值,即四捨五入;
cvFloor():返回不大於參數的最大整數值,即向下取整;
cvCeil():返回不小於參數的最小整數值,即向上取整;
*/
for (int i = 1; i < histSize; i++) {
line(histImage, Point((i - 1)*bin_w, hist_h - cvRound(b_hist.at(i - 1))),
Point((i)*bin_w, hist_h - cvRound(b_hist.at(i))), Scalar(255, 0, 0), 2, CV_AA);
line(histImage, Point((i - 1)*bin_w, hist_h - cvRound(g_hist.at(i - 1))),
Point((i)*bin_w, hist_h - cvRound(g_hist.at(i))), Scalar(0, 255, 0), 2, CV_AA);
line(histImage, Point((i - 1)*bin_w, hist_h - cvRound(r_hist.at(i - 1))),
Point((i)*bin_w, hist_h - cvRound(r_hist.at(i))), Scalar(0, 0, 255), 2, CV_AA);
}
imshow("histogram", histImage);
}
waitKey(0);
Pause();
return 0;
}
寫了
5860316篇文章,獲得
23313次喜歡