OpenCV 圖像直方圖計算：calcHist 詳解與封裝類實戰

calcHist 函數詳解

OpenCV calcHist 功能強大但參數繁多，常用原型：

void calcHist(const Mat* images, int nimages, const int* channels,
              InputArray mask, OutputArray hist, int dims,
              const int* histSize, const float** ranges,
              bool uniform=true, bool accumulate=false);

關鍵參數：

• images：輸入圖像指針數組（可多圖），深度需一致（CV_8U/CV_32F）。
• channels：統計的通道索引數組，如 {0} 灰度、{0,1,2} BGR。
• mask：可選掩碼（CV_8U），非零像素參與統計。
• dims：直方圖維度（1D/2D/3D），最大 32。
• histSize：每維箱數，如 {256}。
• ranges：每維取值範圍，uniform=true 時每維兩值 {min, max}。

封裝類 Histogram1D（單通道）

class Histogram1D {
    int histSize[1] = {256};
    float hranges[2] = {0, 255};
    const float* ranges[1] = {hranges};
    int channels[1] = {0};
public:
    cv::MatND getHistogram(const cv::Mat& image) {
        cv::MatND hist;
        cv::calcHist(&image, 1, channels, cv::Mat(), hist, 1, histSize, ranges);
        return hist;
    }
    cv::Mat getHistogramImage(const cv::Mat& image) {
        cv::MatND hist = getHistogram(image);
        double minVal, maxVal;
        cv::minMaxLoc(hist, &minVal, &maxVal);
        cv::Mat histImg(histSize[0], histSize[0], CV_8U, cv::Scalar(255));
        int hpt = cvRound(0.9 * histSize[0]);
        for (int h = 0; h < histSize[0]; ++h) {
            float binVal = hist.at<float>(h);
            int intensity = cvRound(binVal * hpt / maxVal);
            cv::line(histImg, cv::Point(h, histSize[0]),
                     cv::Point(h, histSize[0] - intensity), cv::Scalar(0));
        }
        return histImg;
    }
};

彩色直方圖 ColorHistogram（3D）

class ColorHistogram {
    int histSize[3] = {256, 256, 256};
    float hranges[2] = {0, 255};
    const float* ranges[3] = {hranges, hranges, hranges};
    int channels[3] = {0, 1, 2};
public:
    cv::MatND getHistogram(const cv::Mat& image) {
        cv::MatND hist;
        cv::calcHist(&image, 1, channels, cv::Mat(), hist, 3, histSize, ranges);
        return hist;
    }
    cv::SparseMat getSparseHistogram(const cv::Mat& image) {
        cv::SparseMat hist(3, histSize, CV_32F);
        cv::calcHist(&image, 1, channels, cv::Mat(), hist, 3, histSize, ranges);
        return hist; // 稀疏矩陣節省空間
    }
};

使用示例

Mat img = imread("lena.jpg");
Histogram1D h;
MatND hist = h.getHistogram(img);
Mat histImg = h.getHistogramImage(img);
imshow("Histogram", histImg);

實戰提示

• 灰度圖直方圖最常用，視覺化直觀。
• 彩色 3D 直方圖數據量大（256³），推薦用 SparseMat 稀疏存儲。
• mask 可實現 ROI 區域統計（如皮膚檢測、目標追蹤）。
• accumulate=true 可累加多圖直方圖（背景建模）。