引言

之前寫(xiě)過(guò)很多圖像直方圖相關(guān)的知識(shí)跟OpenCV程序演示，這篇算是把之前的都回顧一波。做好自己的知識(shí)梳理。

圖像直方圖

圖像直方圖是圖像的基本屬性之一，也是圖像像素?cái)?shù)據(jù)分布的統(tǒng)計(jì)學(xué)特征，常見(jiàn)的圖像直方圖可以分為二值圖像的直方圖表示如下：

上圖a是4x4的二值圖像，b是對(duì)應(yīng)的直方圖，可以看出X軸表示像素范圍(0-黑色、1-白色),Y軸表示像素值出現(xiàn)的頻次，即分布。

對(duì)灰度圖像來(lái)說(shuō)，它的像素值取值范圍會(huì)擴(kuò)展到0～255之間，其直方圖可以表示如下：

從上面的圖中可以發(fā)現(xiàn)灰度圖像的直方圖依然是X軸表示像素值范圍、Y軸表示各個(gè)像素值出現(xiàn)頻次，即像素分布。

彩色圖像有紅色、綠色、藍(lán)色三個(gè)通道，其直方圖表示稍微復(fù)雜一點(diǎn)，要對(duì)每個(gè)通道進(jìn)行直方圖計(jì)算跟表示，圖示如下：

可以看出彩色圖像的三個(gè)通道各自對(duì)應(yīng)一個(gè)直方圖分布。

直方圖閾值化

OpenCV中支持的兩種閾值計(jì)算的二值化方法

THRESH_OTSU

THRESH_TRIANGLE

均是基于圖像直方圖實(shí)現(xiàn)圖像二值化分割，其中OTSU閾值分割（大津）對(duì)直方圖為雙峰的灰度圖像效果比較好，圖示如下：

而三角法對(duì)直方圖分布單峰的圖像分割效果比較好，圖示如下下：

直方圖均衡化

直方圖均衡化是一種通過(guò)提升圖像對(duì)比度實(shí)現(xiàn)圖像增強(qiáng)的方法，它跟最基礎(chǔ)的基于像素差值放縮改變對(duì)比度的方法效果更好。圖示如下：

從上圖中可以看出，最左側(cè)列是輸入圖像，是低對(duì)比度圖像，左側(cè)二列為直接改變像素值獲得對(duì)比度提升圖像，左側(cè)三列是通過(guò)直方圖均衡化完成對(duì)比度提升，最右側(cè)一列也是通過(guò)直方圖均衡化完成，不過(guò)是基于局部直方圖均衡化。OpenCV中支持兩種直方圖均衡化方法分別是：

正常的直方圖均衡化（全局直方圖均衡化）

對(duì)比度受限的自適應(yīng)直方圖均衡化(CLAHE-局部自適應(yīng)直方圖均衡化)

特別需要注意的是OpenCV的直方圖均衡化函數(shù)都只支持單通道八位的圖像、對(duì)RGB彩色圖像來(lái)說(shuō)，要實(shí)現(xiàn)直方圖均衡化提升對(duì)比度必須先轉(zhuǎn)換到HSV色彩空間，然后對(duì)亮度通道V進(jìn)行直方圖均衡化之后再轉(zhuǎn)換到RGB色彩空間顯示。

直方圖對(duì)比

圖像直方圖還可以實(shí)現(xiàn)圖像相似性簡(jiǎn)單分析與查找，其原理是對(duì)兩張圖像生成的直方圖分布數(shù)據(jù)，進(jìn)行歸一化之后比較，根據(jù)數(shù)據(jù)像素程度，從而判定圖像內(nèi)容的相似程度，該方法可靠性雖然不高，但勝在快捷方便。OpenCV中支持的直方圖比較的方法有如下：

相關(guān)函數(shù)為：

compareHist( InputArray H1, InputArray H2, int method )

參數(shù)解釋

H1表示第一張圖的直方圖

H2表示第二張圖的直方圖

method表示直方圖比較的方法，支持卡方、相關(guān)性，交叉、巴氏距離

直方圖反向投影

圖像反向投影的最終目的是獲取ROI然后實(shí)現(xiàn)對(duì)ROI區(qū)域的標(biāo)注、識(shí)別、測(cè)量等圖像處理與分析，是計(jì)算機(jī)視覺(jué)與人工智能的常見(jiàn)方法之一。反向投影通常是彩色圖像投影效果會(huì)比灰度圖像效果要好，原因在于彩色圖像帶有更多對(duì)象細(xì)節(jié)信息，在反向投影的時(shí)候更加容易判斷、而轉(zhuǎn)為灰度圖像會(huì)導(dǎo)致這些細(xì)節(jié)信息丟失、從而導(dǎo)致分割失敗。最常見(jiàn)的是基于圖像直方圖特征的反向投影，正是因?yàn)橹狈綀D反向投影有這樣能力，所以在經(jīng)典的MeanShift與CAMeanShift跟蹤算法中一直是通過(guò)直方圖反向投影來(lái)實(shí)現(xiàn)已知對(duì)象物體的定位。

需要注意的是，直方圖反向投影是基于顏色的，所以會(huì)對(duì)RGB彩色圖像轉(zhuǎn)換到HSV色彩空間，然后基于H跟S兩個(gè)通道生成2D直方圖數(shù)據(jù)分布，如下圖所示：

其它類型圖像直方圖與直方圖缺陷

除了圖像像素分布直方圖，還有一些其他類型基于圖像梯度跟角度的直方圖類型，總結(jié)如下：

-圖像像素直方圖

-圖像梯度直方圖

-圖像角度直方圖

后面兩種類型的直方圖在SIFT跟HOG特征提取的算法中都有應(yīng)用，但是同時(shí)直方圖只是數(shù)據(jù)統(tǒng)計(jì)信息，沒(méi)有包含圖像空間信息，所以通過(guò)直方圖無(wú)法正確描述圖像的結(jié)構(gòu)化信息。它的缺點(diǎn)圖示如下：

上圖說(shuō)明直方圖數(shù)據(jù)完全一致的圖像，但是圖像的空間結(jié)構(gòu)完全不同，根本沒(méi)有相似性可言，所以圖像直方圖信息只是圖像的基本屬性之一，但是不是圖像的唯一特征。同樣作為圖像的基本屬性之一，直方圖應(yīng)用范圍非常廣泛，是最基礎(chǔ)的圖像特征向量數(shù)據(jù)之一，常規(guī)的直方圖歸一化即可得到PDF數(shù)據(jù)。

審核編輯：郭婷