Opencv一维直方图的绘制

下面是我参考《opencv3编程入门》写的绘制一维直方图的代码

using namespace cv;
using namespace std;
#define byte uchar 
#define TYEPE_GRAY 0
#define TYEPE_RGB 1
/*--------------------------绘制RGB三色一维直方图-------------------------------------*/
Mat My_Rraw_histogram(Mat* srcImage,int type)  //输入:要处理的灰度图   输出：该图像的直方图
{
 if (type == TYEPE_GRAY)  //一维灰度直方图绘制
 {
  //【1】将原图转化为灰度图
  Mat gray_srcImage;
  cvtColor(*srcImage,gray_srcImage, COLOR_BGR2GRAY);
  //【2】定义变量
  MatND dstHist;
  int dims = 1;  //需要计算的直方图的维数
  float grayranges[] = { 0,255 };
  const float* ranges[] = { grayranges }; //这里需要为const类型
  int size = 256;   //表示的是将统计的灰度值分成的等份
  int Height = 256;
  int channels = 0; //灰度图只有一个0通道
  //【3】计算图像直方图
  calcHist(srcImage, //输入数组
   1, //数组个数
   &channels, //通道索引
   Mat(),//不使用掩膜
   dstHist, //输出的目标直方图
   dims, //需要计算的直方图的维数
   &size, //存放每个维度的直方图尺寸的数组
   ranges); //每一维数值的取值范围 
  int scale = 1;  //scale 每一个像素占的格数
  Mat dstImage(size * scale, size, CV_8U, Scalar(0));  //长 ：size*scale ，宽：size ,值为0
  //【4】获取最大值和最小值
  double minVal = 0;
  double maxVal = 0;
  minMaxLoc(dstHist, &minVal, &maxVal, 0, 0);  //获得直方图中最大值和最小值
  //【5】绘制出直方图
  int hpt = saturate_cast<int>(0.9 * Height);   //saturate_cast 是溢出保护    大概意思 ：if(data<int的负范围)  data = 负最大; else if (data > int的正范围) data = int 正最大;
  for (int i = 0;i < 256;i++)
  {
   float binVal = dstHist.at<float>(i);
   int realVal = saturate_cast<int>(binVal * hpt / maxVal);  //在图像上的高度 = 像素数目/像素值最大数目 * 0.9*256   这里0.9是为了削减图像像素高度，因为最大的时候会触及顶端不美观
   rectangle(dstImage, Point(i * scale, Height - 1), Point((i + 1) * scale - 1, Height - realVal), Scalar(255));
   //要进行绘制的目标图像 矩形的左下顶点 矩阵对角线上的右上顶点 线条的颜色（RGB）或亮度（灰度图）  一共要绘制256个矩形
  }
  return dstImage;
 }
 else if (type == TYEPE_RGB)
	{
		//【1】定义变量
		MatND redHist,greenHist,blueHist;
		int dims = 1;		//需要计算的直方图的维数
		float grayranges[] = { 0,256 };
		const float* ranges[] = { grayranges };	//这里需要为const类型
		int size = 256;			//表示的是将统计的灰度值分成的等份
		int channels_r[] = { 2 };	
		int channels_g[] = { 1 };	
		int channels_b[] = { 0 };	
		//疑问 ： RGB图像的R、G、B是对应channel[0]、channel[1]、channel[2]还是对应channel[2]、channel[1]、channel[0] ？
		//经过验证是channel[2]、channel[1]、channel[0]
		//【2】计算图像直方图
		//--------------------red--------------------------
		calcHist(srcImage,	//输入数组
			1,	//数组个数
			channels_r,	//通道索引
			Mat(),//不使用掩膜
			redHist,	//输出的目标直方图
			dims,	//需要计算的直方图的维数
			&size,	//存放每个维度的直方图尺寸的数组
			ranges,//每一维数值的取值范围	
			true,//指示直方图是否均匀的标识符，true表示均匀的直方图
			false);	//累计标识符，false表示直方图在配置阶段会被清零
		//--------------------green--------------------------
		calcHist(srcImage,	//输入数组
			1,	//数组个数
			channels_g,	//通道索引
			Mat(),//不使用掩膜
			greenHist,	//输出的目标直方图
			dims,	//需要计算的直方图的维数
			&size,	//存放每个维度的直方图尺寸的数组
			ranges,//每一维数值的取值范围	
			true,//指示直方图是否均匀的标识符，true表示均匀的直方图
			false);	//累计标识符，false表示直方图在配置阶段会被清零
		//--------------------blue--------------------------
		calcHist(srcImage,	//输入数组
			1,	//数组个数
			channels_b,	//通道索引
			Mat(),//不使用掩膜
			blueHist,	//输出的目标直方图
			dims,	//需要计算的直方图的维数
			&size,	//存放每个维度的直方图尺寸的数组
			ranges,//每一维数值的取值范围	
			true,//指示直方图是否均匀的标识符，true表示均匀的直方图
			false);	//累计标识符，false表示直方图在配置阶段会被清零

		//【3】获取最大值和最小值
		double minVal_r = 0, minVal_g = 0, minVal_b = 0;
		double maxVal_r = 0, maxVal_g = 0,maxVal_b = 0;
		minMaxLoc(redHist, &minVal_r, &maxVal_r, 0, 0);		//获得r直方图中最大值和最小值
		minMaxLoc(greenHist, &minVal_g, &maxVal_g, 0, 0);		//获得g直方图中最大值和最小值
		minMaxLoc(blueHist, &minVal_b, &maxVal_b, 0, 0);		//获得b直方图中最大值和最小值

		int scale = 1;		//scale 每一个像素占的格数
		int Height = 256;	//直方图高度
		Mat dstImage(Height, size*3, CV_8UC3, Scalar(0,0,0));		//长 ：size*scale ，宽：size*3 ,值为0  将三个直方图横放在一起
		//【4】绘制出直方图
		int hpt = saturate_cast<int>(0.9 * Height);			//saturate_cast 是溢出保护    大概意思 ：if(data<int的负范围)  data = 负最大; else if (data > int的正范围) data = int 正最大;
		for (int i = 0;i < 256;i++)
		{
			float binVal_r = redHist.at<float>(i);
			float binVal_g = greenHist.at<float>(i);
			float binVal_b = blueHist.at<float>(i);
			//疑问：是否存在一张图片中maxVal_r or maxVal_g or maxVal_b 有一个值为0？这样算出来的值将会是0/0， 而实际值应该是 0
			int intensityl_r = saturate_cast<int>(binVal_r * hpt / maxVal_r);		//在图像上的高度 = 像素数目/像素值最大数目 * 0.9*256   这里0.9是为了削减图像像素高度，因为最大的时候会触及顶端不美观
			int intensityl_g = saturate_cast<int>(binVal_g * hpt / maxVal_g);
			int intensityl_b = saturate_cast<int>(binVal_b * hpt / maxVal_b);
			
			rectangle(dstImage, Point(i * scale, Height - 1), Point((i + 1) * scale - 1, Height - intensityl_r), Scalar(0,0,255));
			rectangle(dstImage, Point((i+size)* scale, Height - 1), Point((i + size + 1)* scale - 1, Height - intensityl_g), Scalar(0,255,0));
			rectangle(dstImage, Point((i + 2*size)* scale, Height - 1), Point((i + 2*size + 1)* scale - 1, Height - intensityl_b), Scalar(255,0,0));
			//要进行绘制的目标图像 矩形的左下顶点 矩阵对角线上的右上顶点 线条的颜色（RGB）或亮度（灰度图）  一共要绘制256个矩形
		}
		return dstImage;
	} 
else
	{

	}
}
//主函数
int main()
{
	//【1】载入原图
	Mat srcImage = imread("D:\\opencv_picture_test\\RGB纯色图\\red.jpg", 2|4);			//原图
	//Mat srcImage = imread("D:\\opencv_picture_test\\JQ\\JQ14.jpg", 2 | 4);			//原图
	namedWindow("原图", WINDOW_NORMAL);//WINDOW_NORMAL允许用户*伸缩窗口
	imshow("原图", srcImage);
	if (srcImage.empty())
	{
		printf("Could not find the image!\n");
		return -1;
	}
	Mat dstImage = My_Rraw_histogram(&srcImage, TYEPE_RGB);
	namedWindow("一维直方图", WINDOW_NORMAL);//WINDOW_NORMAL允许用户*伸缩窗口
	imshow("一维直方图", dstImage);
	waitKey(0);
	return 0;
}

下面是代码实现的效果


纯红时，cahnnel【2】值为255的像素个数最多，其他为0，channel【1】和channel【0】值为0的像素个数最多，其他为0。