RGB三色直方图的绘制
视频讲解如下：
在本章节中给大家演示RGB三色直方图的绘制，当前代码同样是在毛星云的代码基础上进行扩展优化的。
当前系列所有demo下载地址：
https://github.com/GaoRenBao/OpenCv4-Demo
不同编程语言对应的OpenCv版本以及开发环境信息如下：
语言 | OpenCv版本 | IDE |
C# | OpenCvSharp4.4.8.0.20230708 | Visual Studio 2022 |
C++ | OpenCv-4.5.5-vc14_vc15 | Visual Studio 2022 |
Python | OpenCv-Python (4.6.0.66) | PyCharm Community Edition 2022.1.3 |
首先呢，我们需要准备一张测试图片。（不想下载工程的童鞋，可直接复制下面的图片和代码）
以下从上到下依次是C#、C++、Python三种版本的执行效果对比如下：
C#版本代码如下：
C#版本需要安装“OpenCvSharp4”、“OpenCvSharp4.runtime.win”两个库才行。不然会报错。
如果需要使用“ BitmapConverter.ToBitmap”操作，则需要追加安装“OpenCvSharp4.Extensions”库。
using OpenCvSharp;
using System;
namespace demo
{
internal class Program
{
static void Main(string[] args)
{
// 【1】载入素材图并显示
Mat srcImage = Cv2.ImRead("../../../images/6919.jpg");
if (srcImage.Empty())
{
Console.WriteLine("Could not open or find the image!");
return;
}
Cv2.ImShow("素材图", srcImage);
//【2】参数准备
int bins = 256;
int[] hist_size = { bins };
Rangef range = new Rangef(0, 256);
Rangef[] ranges = { range };
Mat redHist = new Mat();
Mat grayHist = new Mat();
Mat blueHist = new Mat();
int[] channels_r = { 0 };
//【3】进行直方图的计算（红色分量部分）
Cv2.CalcHist(new Mat[] { srcImage },//输入的数组
channels_r, // 通道索引
null, // 不使用掩膜
redHist, // 输出的目标直方图
1, // 需要计算的直方图的维度为2
hist_size, // 存放每个维度的直方图尺寸的数组
ranges, // 每一维数值的取值范围数组
true, // 指示直方图是否均匀的标识符，true表示均匀的直方图
false); // 累计标识符，false表示直方图在配置阶段会被清零
int[] channels_g = { 1 };
//【4】进行直方图的计算（绿色分量部分）
Cv2.CalcHist(new Mat[] { srcImage },//输入的数组
channels_g, // 通道索引
null, // 不使用掩膜
grayHist, // 输出的目标直方图
1, // 需要计算的直方图的维度为2
hist_size,// 存放每个维度的直方图尺寸的数组
ranges, // 每一维数值的取值范围数组
true, // 指示直方图是否均匀的标识符，true表示均匀的直方图
false); // 累计标识符，false表示直方图在配置阶段会被清零
int[] channels_b = { 2 };
//【5】进行直方图的计算（蓝色分量部分）
Cv2.CalcHist(new Mat[] { srcImage },//输入的数组
channels_b, // 通道索引
null, // 不使用掩膜
blueHist, // 输出的目标直方图
1, // 需要计算的直方图的维度为2
hist_size,// 存放每个维度的直方图尺寸的数组
ranges, // 每一维数值的取值范围数组
true, // 指示直方图是否均匀的标识符，true表示均匀的直方图
false); // 累计标识符，false表示直方图在配置阶段会被清零
//-----------------------绘制出三色直方图------------------------
//参数准备
double minValue_red, minValue_green, minValue_blue;
double maxValue_red, maxValue_green, maxValue_blue;
Cv2.MinMaxLoc(redHist, out minValue_red, out maxValue_red);
Cv2.MinMaxLoc(grayHist, out minValue_green, out maxValue_green);
Cv2.MinMaxLoc(blueHist, out minValue_blue, out maxValue_blue);
int scale = 1;
int histHeight = 256;
Mat histImage = new Mat(histHeight, bins * 3, MatType.CV_8UC3);
histImage.SetIdentity(new Scalar(0));
//正式开始绘制
for (int i = 0; i < bins; i++)
{
//参数准备
float binValue_red = redHist.At<float>(i);
float binValue_green = grayHist.At<float>(i);
float binValue_blue = blueHist.At<float>(i);
int intensity_red = (int)Math.Round(binValue_red * histHeight / maxValue_red); //要绘制的高度
int intensity_green = (int)Math.Round(binValue_green * histHeight / maxValue_green); //要绘制的高度
int intensity_blue = (int)Math.Round(binValue_blue * histHeight / maxValue_blue); //要绘制的高度
//绘制红色分量的直方图
int a1 = histHeight - intensity_red;
int b1 = histHeight - 1;
int min1 = a1 > b1 ? b1 : a1;
int max1 = a1 > b1 ? a1 : b1;
Cv2.Rectangle(histImage, new Point(i * scale, min1),
new Point((i + 1) * scale - 1, max1),
new Scalar(255, 0, 0));
//绘制绿色分量的直方图
int a2 = histHeight - intensity_green;
int b2 = histHeight - 1;
int min2 = a2 > b2 ? b2 : a2;
int max2 = a2 > b2 ? a2 : b2;
Cv2.Rectangle(histImage, new Point((i + bins) * scale, min2),
new Point((i + bins + 1) * scale - 1, max2),
new Scalar(0, 255, 0));
//绘制蓝色分量的直方图
int a3 = histHeight - intensity_blue;
int b3 = histHeight - 1;
int min3 = a3 > b3 ? b3 : a3;
int max3 = a3 > b3 ? a3 : b3;
Cv2.Rectangle(histImage, new Point((i + bins * 2) * scale, min3),
new Point((i + bins * 2 + 1) * scale - 1, max3),
new Scalar(0, 0, 255));
}
//在窗口中显示出绘制好的直方图
Cv2.ImShow("图像的RGB直方图", histImage);
Cv2.WaitKey(0);
}
}
}
C++版本代码如下：
#include <opencv2/opencv.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace cv;
int main()
{
//【1】载入素材图并显示
Mat srcImage;
srcImage = imread("../images/6919.jpg");
imshow("素材图", srcImage);
//【2】参数准备
int bins = 256;
int hist_size[] = { bins };
float range[] = { 0, 256 };
const float* ranges[] = { range };
MatND redHist, grayHist, blueHist;
int channels_r[] = { 0 };
//【3】进行直方图的计算（红色分量部分）
calcHist(&srcImage, 1, channels_r, Mat(), //不使用掩膜
redHist, 1, hist_size, ranges,
true, false);
//【4】进行直方图的计算（绿色分量部分）
int channels_g[] = { 1 };
calcHist(&srcImage, 1, channels_g, Mat(), // do not use mask
grayHist, 1, hist_size, ranges,
true, // the histogram is uniform
false);
//【5】进行直方图的计算（蓝色分量部分）
int channels_b[] = { 2 };
calcHist(&srcImage, 1, channels_b, Mat(), // do not use mask
blueHist, 1, hist_size, ranges,
true, // the histogram is uniform
false);
//-----------------------绘制出三色直方图------------------------
//参数准备
double maxValue_red, maxValue_green, maxValue_blue;
minMaxLoc(redHist, 0, &maxValue_red, 0, 0);
minMaxLoc(grayHist, 0, &maxValue_green, 0, 0);
minMaxLoc(blueHist, 0, &maxValue_blue, 0, 0);
int scale = 1;
int histHeight = 256;
Mat histImage = Mat::zeros(histHeight, bins * 3, CV_8UC3);
//正式开始绘制
for (int i = 0; i < bins; i++)
{
//参数准备
float binValue_red = redHist.at<float>(i);
float binValue_green = grayHist.at<float>(i);
float binValue_blue = blueHist.at<float>(i);
int intensity_red = cvRound(binValue_red * histHeight / maxValue_red); //要绘制的高度
int intensity_green = cvRound(binValue_green * histHeight / maxValue_green); //要绘制的高度
int intensity_blue = cvRound(binValue_blue * histHeight / maxValue_blue); //要绘制的高度
//绘制红色分量的直方图
rectangle(histImage, Point(i * scale, histHeight - 1),
Point((i + 1) * scale - 1, histHeight - intensity_red),
CV_RGB(255, 0, 0));
//绘制绿色分量的直方图
rectangle(histImage, Point((i + bins) * scale, histHeight - 1),
Point((i + bins + 1) * scale - 1, histHeight - intensity_green),
CV_RGB(0, 255, 0));
//绘制蓝色分量的直方图
rectangle(histImage, Point((i + bins * 2) * scale, histHeight - 1),
Point((i + bins * 2 + 1) * scale - 1, histHeight - intensity_blue),
CV_RGB(0, 0, 255));
}
//在窗口中显示出绘制好的直方图
imshow("图像的RGB直方图", histImage);
waitKey(0);
return 0;
}
Python版本代码如下：
import cv2
import numpy as np
# 【1】载入原图并显示
srcImage = cv2.imread('../images/6919.jpg')
cv2.imshow('srcImage', srcImage)
# 【2】定义变量
size = [256]
# 【3】进行直方图的计算（红色分量部分）
redHist = cv2.calcHist([srcImage], [0], None, size, [0, 256])
# 【4】进行直方图的计算（绿色分量部分）
grayHist = cv2.calcHist([srcImage], [1], None, size, [0, 256])
# 【5】进行直方图的计算（蓝色分量部分）
blueHist = cv2.calcHist([srcImage], [2], None, size, [0, 256])
# -----------------------绘制出三色直方图------------------------
# 参数准备
scale = 1
bins = 256
histHeight = 256
histImage = np.zeros((histHeight, bins * 3, 3), np.uint8)
maxValue_red = cv2.minMaxLoc(redHist)
maxValue_green = cv2.minMaxLoc(grayHist)
maxValue_blue = cv2.minMaxLoc(blueHist)
# 正式开始绘制
for i in range(256):
binValue_red = redHist[i] # 直方图组距的值
binValue_green = grayHist[i] # 直方图组距的值
binValue_blue = blueHist[i] # 直方图组距的值
intensity_red = round(binValue_red[0] * histHeight / maxValue_red[1])
intensity_green = round(binValue_green[0] * histHeight / maxValue_green[1])
intensity_blue = round(binValue_blue[0] * histHeight / maxValue_blue[1])
# 绘制矩形
cv2.rectangle(histImage, (i * scale, histHeight - 1),
((i + 1) * scale - 1, histHeight - intensity_red), (255, 0, 0))
cv2.rectangle(histImage, ((i + bins) * scale, histHeight - 1),
((i + bins + 1) * scale - 1, histHeight - intensity_green), (0, 255, 0))
cv2.rectangle(histImage, ((i + bins * 2) * scale, histHeight - 1),
((i + bins * 2 + 1) * scale - 1, histHeight - intensity_blue), (0, 0, 255))
# 显示效果图
cv2.imshow('histImage', histImage)
cv2.waitKey(0)
在opencv中，还有一种是直接使用matplotlib库，来查看图像曲线
直接下载：OpenCV-Python-Tutorial-中文版.pdf（P136 绘制直方图）
在线预览
import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('../images/6919.jpg')
color = ('b', 'g', 'r')
# 对一个列表或数组既要遍历索引又要遍历元素时
# 使用内置 enumerrate 函数会有更加直接 优美的做法
# enumerate 会将数组或列表组成一个索引序列。
# 使我们再获取索引和索引内容的时候更加方便
for i, col in enumerate(color):
histr = cv2.calcHist([img], [i], None, [256], [0, 256])
plt.plot(histr, color=col)
plt.xlim([0, 256])
plt.show()
