Базовые операции обработки изображений

2.7. Вычисление гистограмм

Один из наиболее распространенных дефектов фотографических, сканерных и телевизионных изображений – слабый контраст. Дефект во многом обусловлен ограниченностью диапазона воспроизводимых яркостей. Под контрастом понимается разность максимального и минимального значений яркости. Контрастность изображения можно повысить за счет изменения яркости каждого элемента изображения и увеличения диапазона яркостей. Существует несколько методов, основанных на вычислении гистограммы.

Допустим, что имеется изображение в оттенках серого, интенсивность пикселей которого изменяется в пределах значений от до , где и . Для изображения можно построить гистограмму со столбцами, отвечающими количеству пикселей определенной интенсивности. Такого рода гистограмма позволяет представить распределение оттенков на изображении. В общем случае под гистограммой понимается коллекция целочисленных значений, каждое из которых определяет количество точек, обладающих некоторым свойством или принадлежащих определенному бину. На практике гистограммы применяются, чтобы получить статистическую картину о распределении каких-либо данных (пикселей, векторов признаков, направлений градиента во всех точках изображения и т.п.).

В данном разделе остановимся на рассмотрении структур данных и функций OpenCV, обеспечивающих вычисление гистограмм. Ниже приведены прототипы доступных функций.

void calcHist(const Mat* arrays, int narrays, 
    const int* channels, const Mat& mask, 
    MatND& hist, int dims, const int* histSize, 
    const float** ranges, bool uniform=true, 
    bool accumulate=false) 
 
void calcHist(const Mat* arrays, int narrays, 
    const int* channels, const Mat& mask, 
    SparseMat& hist, int dims, 
    const int* histSize, const float** ranges, 
    bool uniform=true, bool accumulate=false) 
    

Параметры:

• arrays – исходные массивы данных или изображения. Должны иметь одинаковую глубину (CV_8U или CV_32F) и размер.
• narrays – количество исходных массивов данных.
• channels – массив индексов каналов в каждом входном массиве, по которым будет вычисляться гистограмма.
• mask – маска, на которой считается гистограмма. Опциональный параметр. Если маска не пуста, то она представляется 8-битной матрицей того же размера, что и каждый исходный массив. При построении гистограммы учитываются только элементы массивов, которые соответствуют ненулевым элементам маски. Если маска пуста, то построение гистограммы выполняется на полном наборе данных.
• hist – результирующая гистограмма, плотная в случае использования первого прототипа функции, разреженная – в случае второго. Для хранения плотной гистограммы используется структура данных MatND, для разреженной – SparseMat. MatND представляется в виде n-мерного массива, SparseMat – хэш-таблицей ненулевых значений [10].
• dims – размерность гистограммы. Параметр принимает положительные целочисленные значения, не превышающие CV_MAX_DIMS = 32.
• histSize – количество бинов по каждой размерности гистограммы.
• ranges – интервалы изменения значений по каждой размерности гистограммы. Если гистограмма равномерная (uniform = true), то для любой размерности i достаточно указать только нижнюю границу изменения (по существу значение, соответствующее первому бину), верхняя граница будет совпадать с histSize[i]-1.
• uniform – флаг, который определяет тип диаграммы (равномерная или нет).
• accumulate – флаг, указывающий на необходимость очищения гистограммы перед непосредственными вычислениями. Использование данного флага позволяет использовать одну и ту же гистограмму для нескольких множеств массивов или обновлять гистограмму во времени.

Рассмотрим пример программы, которая осуществляет построение и отображение гистограмм по каждому каналу цветного изображения. Программа получает в качестве аргументов командной строки название изображения, расщепляет полученную матрицу по каналам (split) и вычисляет гистограмму для каждого канала изображения (calcHist). Заметим, что в OpenCV каналы изображения хранятся в порядке BGR, а не в RGB. Далее выполняется нормализация гистограмм (normalize) для приемлемого отображения в виде ломаных.

#include <stdio.h> 
#include <opencv2/opencv.hpp> 
 
using namespace cv; 
 
const char helper[] = 
  "Sample_calcHist.exe <img_file>\n\ 
  \t<img_file> - image file name\n"; 
 
int main(int argc, char* argv[]) 
{ 
  const char *initialWinName = "Initial Image", 
    *histWinName = "Histogram"; 
  Mat img, bgrChannels[3], bHist, gHist, rHist, histImg; 
  int kBins = 256; // количество бинов гистограммы 
  // интервал изменения значений бинов 
  float range[] = {0.0f, 256.0f}; 
  const float* histRange = { range }; 
  // равномерное распределение интервала по бинам 
  bool uniform = true; 
  // запрет очищения перед вычислением гистограммы 
  bool accumulate = false; 
  // размеры для отображения гистограммы 
  int histWidth = 512, histHeight = 400; 
  // количество пикселей на бин 
  int binWidth = cvRound((double)histWidth / kBins); 
  int i, kChannels = 3; 
  Scalar colors[] = {Scalar(255, 0, 0), 
      Scalar(0, 255, 0), Scalar(0, 0, 255)}; 
  if (argc < 2) 
  { 
    printf("%s", helper); 
    return 1; 
  } 
  // загрузка изображения 
  img = imread(argv[1], 1); 
  // выделение каналов изображения 
  split(img, bgrChannels); 
  // вычисление гистограммы для каждого канала 
  calcHist("bgrChannels[0], 1, 0, Mat(), bHist, 1, 
    "kBins, "histRange, uniform, accumulate); 
  calcHist("bgrChannels[1], 1, 0, Mat(), gHist, 1, 
    "kBins, "histRange, uniform, accumulate); 
  calcHist("bgrChannels[2], 1, 0, Mat(), rHist, 1, 
    "kBins, "histRange, uniform, accumulate); 
 
  // построение гистограммы 
  histImg = Mat(histHeight, histWidth, CV_8UC3, 
      Scalar(0, 0, 0)); 
  // нормализация гистограмм в соответствии с размерам
  // окна для отображения 
  normalize(bHist, bHist, 0, histImg.rows, 
    NORM_MINMAX, -1, Mat()); 
  normalize(gHist, gHist, 0, histImg.rows, 
    NORM_MINMAX, -1, Mat()); 
  normalize(rHist, rHist, 0, histImg.rows, 
    NORM_MINMAX, -1, Mat()); 
  // отрисовка ломаных 
  for (i = 1; i < kBins; i++) 
  { 
    line(histImg, Point(binWidth * (i-1), 
        histHeight-cvRound(bHist.at<float>(i-1))) , 
      Point(binWidth * i, 
        histHeight-cvRound(bHist.at<float>(i)) ), 
      colors[0], 2, 8, 0); 
    line(histImg, Point(binWidth * (i-1), 
        histHeight-cvRound(gHist.at<float>(i-1))) , 
      Point(binWidth * i, 
        histHeight-cvRound(gHist.at<float>(i)) ), 
      colors[1], 2, 8, 0); 
    line(histImg, Point(binWidth * (i-1), 
        histHeight-cvRound(rHist.at<float>(i-1))) , 
      Point(binWidth * i, 
        histHeight-cvRound(rHist.at<float>(i)) ), 
      colors[2], 2, 8, 0); 
  } 
  // отображение исходного изображения и гистограмм 
  namedWindow(initialWinName, CV_WINDOW_AUTOSIZE); 
  namedWindow(histWinName, CV_WINDOW_AUTOSIZE); 
  imshow(initialWinName, img); 
  imshow(histWinName, histImg);
  waitKey(); 
 
  // закрытие окон 
  destroyAllWindows(); 
  // осовобождение памяти 
  img.release(); 
  for (i = 0; i < kChannels; i++) 
  { 
    bgrChannels[i].release(); 
  } 
  bHist.release(); 
  gHist.release(); 
  rHist.release(); 
  histImg.release(); 
  return 0; 
}   
    

Результат запуска программы на тестовом изображении из набора PASCAL VOC 2007 показан на рисунке (рис. 7.10) ниже.

Рис. 7.10. Гистограммы распределения интенсивностей по каждому каналу исходного изображения