OpenCVRGB直⽅图计算与绘制----calcHist（）函数、normalize（）函数
1-BGR直⽅图
在OpenCV中，彩⾊图像存储是通过多通道的数组来实现的，对CV_8UF3来⾔，其每个数组通道中的元素可取值为0到255。颜⾊分布直⽅图描述的是不同⾊彩在整幅图像中所占的⽐例，⽽并不关⼼每种⾊彩所处的空间位置。
因此，对彩⾊图像求其直⽅图，可先提取彩⾊图像的各个通道，然后对每个通道进⾏直⽅图计算，最后利⽤图像融合技术合并通道信息，求解出图像颜⾊分布直⽅图。
===========================分割线=========================2-换个⾓度认识图像（直⽅图）
第⼀个就是当我们⾯对图像的时候，我们⾯对的是抽象的矩阵，如下图，下⾯是0-255的灰度图像的表⽰，密密⿇⿇的。
那么我们做的直⽅图，其实就是对这些像素值的统计。例如：⾸先，我们需要把0-255分成 17 个 区域（bin），如下图所⽰：
我们对每个范围中的灰度值进⾏统计排序，做出如下的表格：
我们是以图像的灰度为例⼦说明这个直⽅图，当然直⽅图不仅仅⽤于灰度特种统计排序，还可以⽤于图像的梯度、⽅向等特征。
灰度直⽅图是灰度级的函数，描述图像中该灰度级的像素个数（或该灰度级像素出现的频率）：其横坐标是灰度级，纵坐标表⽰图像中该灰度级出现的个数（频率）。
在以上的过程中，我们使⽤到⼀些重要的参数，理解这些参数帮助我们更好的使⽤API函数。
dims：需要统计的特征的数⽬，我们上⾯只统计了 灰度值这个特征，所以， dims =1。
bins：⼀般翻译为箱⼦，看上图，⼀共有16个bins，其实就和我们平时见得简单函数差不多。在图像直⽅图中，你可以把⼀个灰度值设置为⼀个bins，0~255强度的灰度值⼀共就需要256个bins，是不是很简单。
Range：就是范围啦，规定⼀个bins能够达到的最⼤和最⼩的范围。⽐如⼀张图⽚10*10，那么就有100个像素。然后前⾯已经说过，直⽅图是按照亮度统计像素数量，那么范围就是0~100啦。这⾥有⼀个地⽅要说⼀下，刚刚0~100还是对于⽐较⼩的图像，那么对于⽐较⼤的图像1000*1000，那么范围太⼤了。我们统计像素数量的时候肯定没有问题，但是要画直⽅图的时候，难道有⼀个包含100000个像素，岂不是要化的很长？所以，⼀般在画直⽅图的时候，会有⼀个⽐例缩放的过程，⽐如我提前定好我直⽅图最⼤的⾼度只能够是256，那么你就可以⽤(最⼤的⾼度/最⼤的像素量)统计到的像素量来进⾏缩放。这样就简单多了。我这⾥提到的缩放⽅式只是⼀种，你可以随便定义喜欢的缩放⽅式。⼀维直⽅图的结构表⽰为：
再结合上⾯画的⽰意图，应该就很好理解了。
基本的概念其实很简答,想的时候要不要想复杂了,那么基本概念就到这⾥了。===============分割线===============3-相关函数说明
当然了，⾸先介绍的是计算直⽅图的函数了。
直⽅图计算：calcHist()函数
1 void calcHist( const Mat* images, int nimages,
2 const int* channels, InputArray mask,
3 OutputArray hist, int dims, const int* histSize,
4 const float** ranges, bool uniform=true, bool accumulate=false );
参数解释：
参数1：输⼊源图像。注意这⾥的格式是const Mat*，也就是说，你要传⼊⼀个地址，输⼊的数组(图⽚)或者数组集(⼀堆图⽚)需要为相同的深度（CV_8U或CV_32F）和相同的尺⼨。
参数2：int类型的nimages，输⼊数组的个数，也就是第⼀个参数中存放了多少张“图像”，有⼏个原数组。
参数3：const int*类型的channels，⽤来计算直⽅图的channes的数组，需要统计的通道（dim）索引。第⼀个数组通道从0到images[0].channels()-1，⽽第⼆个数组通道从images[0]计算到images[0].channels()+images[1].channels()-1，以此类推。⽐如输⼊是2副图像，第⼀副图像有0，1，2共三个channel，第⼆幅图像只有0⼀个channel，那么输⼊就⼀共有4个channes，如果int channels[3] = {3, 2, 0}，那么就表⽰是使⽤第⼆副图像的第⼀个通道和第⼀副图像的第2和第0个通道来计算直⽅图。（这句表⽰没看懂）。
参数4：InputArray类型的mask，可选的操作掩码。如果此掩码不为空，那么它必须为8位（CV_8U）的数组，并且与images[i]有同样⼤⼩的尺⼨，值为1的点将⽤来计算直⽅图。这⾥的⾮零掩码元素⽤于标记出统计直⽅图的数组元素数据。参数5：OutputArray类型的hist，输出的计算出来的直⽅图，⼀个⼆维数组。
参数6：int类型dims，需要计算的直⽅图的维度，必须是正数，且不⼤于CV_MAX_DIMS。（32）
参数7：const int*类型的histSize，存放每个维度的直⽅图尺⼨的数组。简单把直⽅图看作⼀个⼀个的竖条的话，就是每⼀维上竖条的个数。
参数8：const float**类型的ranges，表⽰每⼀个维度数组（第6个参数dims）的每⼀维的边界阵列，可以理解为每⼀维数值的取值范围。⽐如 float rang1[] ={0, 20}；float rang2[] = {30, 40}； const float*rangs[] = {rang1, rang2}；那么就是对0，20和30，40范围的值进⾏统计。参数9：bool类型的uniform，表⽰直⽅图是否均匀的标识符，即每⼀个竖条的宽度是否相等。有默认值true。
参数10：bool类型的accumulate，累计标识符，有默认值false。若其为true，直⽅图在配置阶段不会被清零。此功能主要是允许从多个阵列中计算单个直⽅图，或者⽤于在特定的时间更新直⽅图。
=====================间隔线======================归⼀化：normalize()函数
功能：缩放和移位数组元素，以便指定的标准（alpha）或最⼩（alpha）和最⼤（beta）数组值获得指定的值。1 void normalize( InputArray src, OutputArray dst, double alpha=1, double beta=0,
2 int norm_type=NORM_L2, int dtype=-1, InputArray mask=noArray());
参数解释：
参数1：InputArray类型的src，输⼊数组（图像）。
参数2：OutputArray类似的dst，输出数组（图像），与输⼊图像类型尺⼨⼀样。参数3：alpha，表⽰range normalization模式的最⼩值。有默认值为1。
参数4：beta，表⽰range normalization模式的最⼤值，不⽤于norm normalization(范数归⼀化)模式。有默认值为0。参数5：normType，表⽰归⼀化的类型，可以有以下的取值：
---------------NORM_MINMAX：数组的数值被平移或缩放到⼀个指定的范围，线性归⼀化，⼀般较常⽤。
---------------NORM_INF：此类型的定义没有查到，根据OpenCV 1的对应项，可能是归⼀化数组的C-范数(绝对值的最⼤值)。---------------NORM_L1：归⼀化数组的L1-范数(绝对值的和)。---------------NORM_L2：归⼀化数组的(欧⼏⾥德)L2-范数。
参数6：有默认值为-1。dtype为负数时，输出数组的type与输⼊数组的type相同；否则，输出数组与输⼊数组只是通道数相同，⽽tpye=CV_MAT_DEPTH(dtype)。
参数7：操作掩膜，⽤于指⽰函数是否仅仅对指定的元素进⾏操作。=====================间隔线======================绘图⽅法详情请看官⽅⽂档： 基本绘图
=======================分割线=====================4-代码演⽰
1 //---------------------------------------------------------- 2 //功能：BGR三通道直⽅图实现
3 //---------------------------------------------------------- 4
5 #include 6 #include 7 #include 8 #include 9 using namespace std;10 using namespace cv;1112 int main()13 {
14 //------------【1】读取源图像并检查图像是否读取成功-------------------------------- 15 Mat srcImage = imread(\"D:/OutPutResult/ImageTest/aurora.jpg\");16 if (!srcImage.data)17 {
18 cout << \"读取图⽚错误，请重新输⼊正确路径！\\n\";19 system(\"pause\");20 return -1;21 }
22 namedWindow(\"【源图像-RGB颜⾊空间】\");23 imshow(\"【源图像-RGB颜⾊空间】\", srcImage);
24 //-------------【2】图像通道的分离，3个通道B、G、R------------------------25 vector rgb_channel;26 split(srcImage, rgb_channel);27 //-------------【3】初始化直⽅图计算参数---------------------------------------28 int bins = 256;
29 int histsize[] = { bins };30 float range[] = { 0, 256 };
31 const float* histRange = { range };
32 Mat b_Hist, g_Hist, r_Hist;
33 //-------------【4】计算各个通道的直⽅图--------------------------------------34 calcHist(&rgb_channel[0], 1, 0, Mat(), b_Hist, 1, histsize, &histRange, true, false); //B-通道35 calcHist(&rgb_channel[1], 1, 0, Mat(), g_Hist, 1, histsize, &histRange, true, false); //G-通道36 calcHist(&rgb_channel[2], 1, 0, Mat(), r_Hist, 1, histsize, &histRange, true, false); //R-通道37 //-------------【5】设置直⽅图绘图参数----------------------------------------------------38 int hist_h = 360;39 int hist_w = bins * 3;
40 int bin_w = cvRound((double)hist_w / bins);
41 Mat histImage(hist_h, hist_w, CV_8UC3, Scalar(0, 0, 0));//创建⼀个⿊底的图像，为了可以显⽰彩⾊，所以该绘制图像是⼀个8位的3通道图像 42 //-------------【6】将直⽅图归⼀化到[0,histImage.rows] ------------------------------------------------------------------------------43 normalize(b_Hist, b_Hist, 0, histImage.rows, NORM_MINMAX, -1, Mat()); //B-通道44 normalize(g_Hist, g_Hist, 0, histImage.rows, NORM_MINMAX, -1, Mat()); //G-通道45 normalize(r_Hist, r_Hist, 0, histImage.rows, NORM_MINMAX, -1, Mat()); //R-通道46 //--------------【7】绘制直⽅图 ----------------------------------------------------------------47 for (int i = 1; i < bins; i++)48 {
49 //绘制B通道的直⽅图信息
50 line(histImage, Point(bin_w*(i - 1), hist_h - cvRound(b_Hist.at(i - 1))), Point(bin_w*(i), hist_h - cvRound(b_Hist.at(i))), Scalar(255, 0, 0), 2, 851 //绘制G通道的直⽅图信息52 line(histImage, Point(bin_w*(i - 1), hist_h - cvRound(g_Hist.at(i - 1))), Point(bin_w*(i), hist_h - cvRound(g_Hist.at(i))), Scalar(0, 255, 0), 2, 853 //绘制R通道的直⽅图信息54 line(histImage, Point(bin_w*(i - 1), hist_h - cvRound(r_Hist.at(i - 1))), Point(bin_w*(i), hist_h - cvRound(r_Hist.at(i))), Scalar(0, 0, 255), 2, 8, 55 }56 namedWindow(\"【RGB直⽅图】\");57 imshow(\"【RGB直⽅图】\", histImage);58 waitKey(0);59 return 0;60 }
=================================分割线======================5-显⽰结果
==============================分割线================================6-程序说明
先把源图像的通道进⾏分离，0-通道为B；1-通道为G；2-通道为R。然后计算每个通道的直⽅图并绘制显⽰处理。
