图像特征之颜色直方图

OpenCV之颜色空间:

颜色空间RGB（Red 红色，Green 绿色，Blue 蓝色）

R的取值范围：0-255

G的取值范围：0-255

B的取值范围：0-255

颜色空间HSV （Hue 色相，Saturation 饱和度，intensity 亮度）

H的取值范围：0-179

S的取值范围：0-255

V的取值范围：0-255

颜色空间HLS (Hue 色相，lightness 亮度，Saturation 饱和度)

H的取值范围：0-179

L的取值范围：0-255

S的取值范围：0-255

—————————————————————————————————————————————————————

知道了一些经常使用的颜色空间各个通道的像素的取值范围，我们以下讨论颜色直方图

一维直方图：

比方，我们仅仅计算上图S通道的直方图，并有30个bin。

<span style="font-size:18px;">#include<opencv2corecore.hpp>
#include<opencv2highguihighgui.hpp>
#include<opencv2imgprocimgproc.hpp>

using namespace cv;

#include<iostream>

using namespace std;
int main(int argc ,char** argv)
{
	Mat src,hsv;
	if(argc != 2 || !(src = imread(argv[1],1)).data || src.channels() != 3)
		return -1;

	//颜色空间的转换BGR转HSV
	cvtColor(src,hsv,CV_BGR2HSV);

	//把H通道分为30个bin，把S通道等分为32bin
	int hbins  = 30;
	//int sbins = 32;
	//int histSize[] = {hbins,sbins};
	int histSize[] = {hbins};
	//H的取值范围 0-179
	float hranges [] = {0,180};
	//S的取值范围 0-255
	//float sranges [] ={0,255};
	//const float* ranges [] = {hranges,sranges};
	const float* ranges [] = {hranges};
	MatND hist;
	//我们依据图像第一个通道一维直方图
	int channels[] = {0};
	calcHist(&hsv,1,channels,Mat(),hist,1,histSize,ranges,true,false);

	//输出直方图
	cout<<hist<<endl;
	return 0;
}</span>

输出结果，肯定一个30维的向量：

解释：第一个数60571，就是代表H在[0,5]之间的像素点的个数，第二个数12194就是代表H在[6,11]之间的像素点的个数。

—————————————————————————————————————————————————————

二维直方图：

<span style="font-size:18px;"><span style="font-family:Microsoft YaHei;font-size:14px;"><span style="font-family:Microsoft YaHei;font-size:14px;">#include<opencv2corecore.hpp>
#include<opencv2highguihighgui.hpp>
#include<opencv2imgprocimgproc.hpp>

using namespace cv;

#include<iostream>

using namespace std;
int main(int argc ,char** argv)
{
	Mat src,hsv;
	if(argc != 2 || !(src = imread(argv[1],1)).data || src.channels() != 3)
		return -1;

	//颜色空间的转换BGR转HSV
	cvtColor(src,hsv,CV_BGR2HSV);

	//把H通道分为30个bin，把S通道等分为32bin
	int hbins  = 5;
	int sbins = 4;
	int histSize[] = {hbins,sbins};

	//H的取值范围 0-179
	float hranges [] = {0,180};
	//S的取值范围 0-255
	float sranges [] ={0,256};
	const float* ranges [] = {hranges,sranges};
	
	MatND hist;
	//我们依据图像第一个通道和第二通道，计算二维直方图
	int channels[] = {0,1};
	calcHist(&hsv,1,channels,Mat(),hist,2,histSize,ranges,true,false);

	//输出直方图
	cout<<hist<<endl;
	return 0;
}</span></span></span>

我们以上图为例，输出的二维直方图为：

如今我们来解释一下，这是一个5行4列二维直方图，第一行第一列的128239，代表H和S的数值在[0,35]x[0,63]，第二行第一列的18585代表H和S的值在[36,71]x[0,63]，依次类推，怎么验证呢？我们仅仅须要把上面的程序，改几个数，比方我们仅仅计算H和S的值在[36,71]x[0,63]的直方图：

<span style="font-size:18px;">#include<opencv2corecore.hpp>
#include<opencv2highguihighgui.hpp>
#include<opencv2imgprocimgproc.hpp>

using namespace cv;

#include<iostream>

using namespace std;
int main(int argc ,char** argv)
{
	Mat src,hsv;
	if(argc != 2 || !(src = imread(argv[1],1)).data || src.channels() != 3)
		return -1;

	//颜色空间的转换BGR转HSV
	cvtColor(src,hsv,CV_BGR2HSV);

	//把H通道分为30个bin，把S通道等分为32bin
	int hbins  = 1;
	int sbins = 1;
	int histSize[] = {hbins,sbins};

	//H的取值范围 0-179
	float hranges [] = {36,72};
	//S的取值范围 0-255
	float sranges [] ={0,64};
	const float* ranges [] = {hranges,sranges};
	
	MatND hist;
	//我们依据图像第一个通道和第二通道，计算二维直方图
	int channels[] = {0,1};
	calcHist(&hsv,1,channels,Mat(),hist,2,histSize,ranges,true,false);

	//输出直方图
	cout<<hist<<endl;
	return 0;
}</span>

输出结果：

。

________________________________________________________________________________________________________________________________

理解了简单的颜色直方图，把颜色直方图作为一张图片简单的特征，做一个简单的图像检索。