OpenCV.圖像直方圖

圖像直方圖

圖像直方圖反映的是圖像的統計學特征，可大概看出其分布特征。

假設某輸入源為普通圖像，經二值化後其顯示像素值範圍為0~255，其像素值經過排序後呈正常分布，那麼某一像素值或某一像素範圍可大概描述其像素特征。即其BIN（BIN越多，直方圖對顔色的分辨率越強）取值範圍越大，其空間分布越平均，越小則會有尖銳。

基于此可以統計圖像的BIN以此來繪制其直方圖，其函數聲明如下：

calcHist(images, channels, mask, hist, histSize, ranges);

各參數解釋如下：

• images

  輸入圖像，List< Mat>類型。

• channels

  通道索引數。

• mask

  表示images遮蓋層。

• hist

  計算而得的直方圖資料，為一維或二維的稀疏矩陣。

• histSize

  直方圖的大小，BIN的個數。

• ranges

  直方圖取值範圍。

Java代碼（JavaFX Controller層）

public class Controller{

    @FXML private Text fxText;
    @FXML private ImageView imageView;

    @FXML public void handleButtonEvent(ActionEvent actionEvent) throws IOException {

        Node source = (Node) actionEvent.getSource();
        Window theStage = source.getScene().getWindow();
        FileChooser fileChooser = new FileChooser();
        FileChooser.ExtensionFilter extFilter = new FileChooser.ExtensionFilter("PNG files (*.png)", "*.png");
        fileChooser.getExtensionFilters().add(extFilter);
        fileChooser.getExtensionFilters().add(new FileChooser.ExtensionFilter("JPG Files(*.jpg)", "*.jpg"));
        File file = fileChooser.showOpenDialog(theStage);

        runInSubThread(file.getPath());

    }

    private void runInSubThread(String filePath){
        new Thread(new Runnable() {
            @Override
            public void run() {
                try {
                    WritableImage writableImage = drawHistogram(filePath);

                    Platform.runLater(new Runnable() {
                        @Override
                        public void run() {
                            imageView.setImage(writableImage);
                        }
                    });

                } catch (IOException e) {
                    e.printStackTrace();
                }
            }
        }).start();
    }
    
    private WritableImage drawHistogram(String filePath) throws IOException {
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);

        Mat src = Imgcodecs.imread(filePath);
        Mat dst = new Mat();

        // Calculate image histogram data and normalization.
        Mat gray = new Mat();
        Imgproc.cvtColor(src, gray, Imgproc.COLOR_BGR2GRAY);
        List<Mat> images = new ArrayList<>();
        images.add(gray);
        Mat mask = Mat.ones(src.size(), CvType.CV_8UC1);
        Mat hist = new Mat();
        Imgproc.calcHist(images, new MatOfInt(0), mask, hist, new MatOfInt(256), new MatOfFloat(0,255));
        Core.normalize(hist, hist,0,255, Core.NORM_MINMAX);
        int height = hist.rows();

        dst.create(400,400,src.type());
        dst.setTo(new Scalar(200,200,200));
        float[] histData = new float[256];
        hist.get(0,0, histData);
        int offset_x = 50;
        int offset_y = 350;

        // Draw histogram.
        Imgproc.line(dst, new Point(offset_x, 0), new Point(offset_x, offset_y), new Scalar(0,0,0));
        Imgproc.line(dst, new Point(offset_x, offset_y), new Point(400, offset_y), new Scalar(0,0,0));
        for (int i = 0; i < height - 1; i++) {
            int y1 = (int)histData[i];
            int y2 = (int)histData[i+1];
            Rect rect = new Rect();
            rect.x = offset_x + i;
            rect.y = offset_y - y1;
            rect.width = 1;
            rect.height = y1;
            Imgproc.rectangle(dst, rect.tl(), rect.br(), new Scalar(15,15,15) );
        }

        MatOfByte matOfByte = new MatOfByte();
        Imgcodecs.imencode(".jpg", dst, matOfByte);

        byte[] bytes = matOfByte.toArray();
        InputStream in = new ByteArrayInputStream(bytes);
        BufferedImage bufImage = ImageIO.read(in);

        WritableImage writableImage = SwingFXUtils.toFXImage(bufImage, null);

        return writableImage;
    }

}



           

運作圖

原圖

如何檢視圖像直方圖

正文已經提及，圖像直方圖描述的是統計學特征。那麼通爾易俗地講，二值化的圖像直方圖描述的就是其黑白顔色在其空間上的分布，如下：

現在回顧一下原圖，即Lenna人物圖，發現其二值化圖像黑色區域在帽子與鏡子邊緣及頭發部分，而白色區域僅在部分線條和帽子區域，而值域[100,200]則占大部分，這與計算的二值圖像描述剛好對應。