朱金灿
在求非8U类型的图像数据的直方图时一般采用拉伸到0到255范围。但是这样做的一个很大弊端是造成图像信息丢失（因为从0到几万拉伸到0到255，信息丢失是肯定的）。
为了防止信息丢失，现在需要在不对图像拉伸的情况下求取32R数据的直方图。
毫无疑问，你不能开辟一个大数组去保存所有像素值的个数，因为一则2的32次方数值4294967296，估计编译器不允许开辟这样大的内存，二则32R的图像的像素值范围就是0到几万，开辟这么大的数组去保存无疑是浪费内存。那么开辟一个几万的数组去保存是否就是合适呢？也不合适，首先32R的图像存在像素值是负数的情况，这样数组下标号和像素值无法对应起来，这样就无法将像素值和像素个数联系起来，其次虽然32R的图像的像素值范围就是0到几万，但是在很多情况下实际的像素级只有几百或几千个，开辟一个几万的数组依然存在浪费内存的问题。
为此需要使用一个数据结构将像素值和像素个数联系起来。开始我设想使用STL的map,以像素值为键，像素个数为键值，后来我发现和算法结合起来map显得效率很低。
为此我设计了一个结构体：
struct GrayMap
{
long PixelValue; // 像素值
long PixelNum; // 对应该像素值的像素个数
};
具体算法如下：
1. 遍历图像，获取图像的最大值Max和最小值Min
2. 开辟一个static<long>(abs(Max-Min)) 个GrayMap数组GrayMapVec
3. 再次遍历图像，每读取一个像素值，判断GrayMapVec是否存在这一像素值（需要遍历GrayMapVec数组），若存在，则将其对应元素的像素个数加1，若不存在则将其插入到GrayMapVec，同时记录实际存在的像素级RealPixelGrade。
4. 开辟一个RealPixelGrade个GrayMap的数组RealGrayMapVec,将GrayMapVec的像素个数不为0的元素插入到RealGrayMapVec（此举是为了进一步减少不必要的内存）
若使用map作为基本数据结构,瓶颈存在于遍历map。由此我体会到数据结构可能是这样一种东西：你轻易不会遇到这方面的问题，就算遇到了，现成的数据结构也足以解决我们的大多数问题，比如STL、MFC的集合类。但是万一遇到了，很可能是致命的问题，这时你不得不感叹数据结构的重要性了。