2018-03-16 直方圖基本函數

1位衩、直方圖計算 ?—— ?calcHist()

void cv::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 ?)

共有10個參數,各參數說明如下:

images:源圖像僚祷,注意這里的格式是const Mat*贮缕,也就是說,你要傳入一個地址装哆,傳入的可以是一張圖片也可以是多張圖片定嗓,要求具有同深度同尺寸。

nimages:輸入圖像的個數宵溅。

Channels:List of the dims channels used to compute the histogram. The first array channels are numerated from 0 to images[0].channels()-1 , the second array channels are counted from images[0].channels() to images[0].channels() + images[1].channels()-1, and so on.

mask:可選的掩碼恃逻,如果不為空的話,那么它必須是8位且和image[i]尺寸相同寇损。

hist:輸出的直方圖润绵,二維數組。

dims:需要統(tǒng)計的直方圖維度(特征數目),必須是正數尘盼,且不大于CV_MAX_DIMS(這個版本opencv3.1里面是32)

histSize:存放每個維度的直方圖尺寸的數組。

ranges:每一維數值的取值范圍配紫。Array of the dims arrays of the histogram bin boundaries in each dimension. When the histogram is uniform ( uniform =true), then for each dimension i it is enough to specify the lower (inclusive) boundary L0 of the 0-th histogram bin and the upper (exclusive) boundary UhistSize[i]?1 for the last histogram bin histSize[i]-1 . That is, in case of a uniform histogram each of ranges[i] is an array of 2 elements. When the histogram is not uniform ( uniform=false ), then each of ranges[i] contains histSize[i]+1 elements: L0,U0=L1,U1=L2,...,UhistSize[i]?2=LhistSize[i]?1,UhistSize[i]?1 . The array elements, that are not between L0 and UhistSize[i]?1 , are not counted in the histogram.

uniform:表示直方圖是否均勻躺孝。

accumulate:累計標識符,若為ture植袍,直方圖在配置階段不會被清零。

2氛魁、尋找最值 ?—— ?minMaxLoc()

函數的作用就是再數組里面找到全局最大值和最小值厅篓。且這個函數對多通道的數組無效,因此多通道的要轉化為單通道再來使用或链。

void cv::minMaxLoc ( InputArray src,? double *? minVal, ? double *? maxVal = 0,

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? Point *? minLoc = 0, ?Point *? maxLoc = 0, ?InputArray? mask = noArray()?)?

6個參數:

? ? src:輸入單通道數組(圖像)? ?

? ? minVal:指向最大值的指針

? ? maxVal:指向最小值的指針

? ? minLoc:最小值位置的指針(二維下)? ?

? ? maxLoc:最大值位置的指針(二維下)? ?

? ? Mask:掩膜

3档押、直方圖歸一化 ?—— ?normalize()

void cv::normalize (InputArray src, ??InputOutputArray? dst, ?double? alpha = 1, ?double? beta = 0,

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? int? norm_type = NORM_L2, ? int? dtype = -1, ? InputArray? mask = noArray() ) ? ? ? ? ? ? ?

7個參數:

? ? src :輸入數組

? ? Dst:輸出數組(支持原地運算)

? ? Alpha:range normalization模式的最小值

? ? Beta:range normalization模式的最大值汇荐,不用于norm normalization(范數歸一化)模式。

? ? normType:歸一化的類型掀淘,可以有以下的取值:

? ? ? ? NORM_MINMAX:數組的數值被平移或縮放到一個指定的范圍油昂,線性歸一化,一般較常用拦惋。

? ? ? ? NORM_INF: 此類型的定義沒有查到安寺,根據OpenCV 1的對應項,可能是歸一化數組的C-范數(絕對值的最大值)

? ? ? ? NORM_L1 :? 歸一化數組的L1-范數(絕對值的和)

? ? ? ? NORM_L2: 歸一化數組的(歐幾里德)L2-范數

? ? Dtype:dtype為負數時言秸,輸出數組的type與輸入數組的type相同迎捺;否則,輸出數組與輸入數組只是通道數相同抄沮,而tpye=CV_MAT_DEPTH(dtype).

? ? Mask:操作掩膜,用于指示函數是否僅僅對指定的元素進行操作叛买。

?著作權歸作者所有,轉載或內容合作請聯系作者
  • 序言:七十年代末率挣,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子娃圆,更是在濱河造成了極大的恐慌蛾茉,老刑警劉巖,帶你破解...
    沈念sama閱讀 211,348評論 6 491
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件悦屏,死亡現場離奇詭異键思,居然都是意外死亡,警方通過查閱死者的電腦和手機看蚜,發(fā)現死者居然都...
    沈念sama閱讀 90,122評論 2 385
  • 文/潘曉璐 我一進店門赔桌,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人音诫,你說我怎么就攤上這事雪位。” “怎么了香罐?”我有些...
    開封第一講書人閱讀 156,936評論 0 347
  • 文/不壞的土叔 我叫張陵队伟,是天一觀的道長嗜侮。 經常有香客問我啥容,道長顷霹,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,427評論 1 283
  • 正文 為了忘掉前任遥昧,我火速辦了婚禮朵纷,結果婚禮上,老公的妹妹穿的比我還像新娘鞋仍。我一直安慰自己搅吁,他們只是感情好,可當我...
    茶點故事閱讀 65,467評論 6 385
  • 文/花漫 我一把揭開白布肚豺。 她就那樣靜靜地躺著界拦,像睡著了一般。 火紅的嫁衣襯著肌膚如雪享甸。 梳的紋絲不亂的頭發(fā)上枪萄,一...
    開封第一講書人閱讀 49,785評論 1 290
  • 那天猫妙,我揣著相機與錄音,去河邊找鬼齐帚。 笑死彼哼,一個胖子當著我的面吹牛,可吹牛的內容都是我干的剪菱。 我是一名探鬼主播摩瞎,決...
    沈念sama閱讀 38,931評論 3 406
  • 文/蒼蘭香墨 我猛地睜開眼旗们,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了构灸?” 一聲冷哼從身側響起上渴,我...
    開封第一講書人閱讀 37,696評論 0 266
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎喜颁,沒想到半個月后稠氮,有當地人在樹林里發(fā)現了一具尸體,經...
    沈念sama閱讀 44,141評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡半开,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 36,483評論 2 327
  • 正文 我和宋清朗相戀三年隔披,在試婚紗的時候發(fā)現自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片稿茉。...
    茶點故事閱讀 38,625評論 1 340
  • 序言:一個原本活蹦亂跳的男人離奇死亡锹锰,死狀恐怖,靈堂內的尸體忽然破棺而出漓库,到底是詐尸還是另有隱情,我是刑警寧澤渺蒿,帶...
    沈念sama閱讀 34,291評論 4 329
  • 正文 年R本政府宣布痢士,位于F島的核電站,受9級特大地震影響茂装,放射性物質發(fā)生泄漏怠蹂。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 39,892評論 3 312
  • 文/蒙蒙 一少态、第九天 我趴在偏房一處隱蔽的房頂上張望城侧。 院中可真熱鬧,春花似錦彼妻、人聲如沸嫌佑。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,741評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽屋摇。三九已至,卻和暖如春幽邓,著一層夾襖步出監(jiān)牢的瞬間炮温,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 31,977評論 1 265
  • 我被黑心中介騙來泰國打工牵舵, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留柒啤,地道東北人倦挂。 一個月前我還...
    沈念sama閱讀 46,324評論 2 360
  • 正文 我出身青樓,卻偏偏與公主長得像白修,于是被迫代替她去往敵國和親妒峦。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 43,492評論 2 348

推薦閱讀更多精彩內容