颜色特征提取（一）——颜色直方图（opencv实现）

直方图——再讲颜色直方图之前，先简单介绍一下直方图。直方图作为一种简单有效的基于统计特性的特征描述子，在计算机视觉领域广泛使用。它的优点主要体现在两个方面:一是对于任意一个图像区域，直方图特征的提取简单方便;其二，直方图表征图像区域的统计特性，可以有效表示多模态的特征分布，并且本身具备一定的旋转不变性。因此，在计算机视觉领域，基于不同底层特征的各种新颖直方图描述子层出不穷，包括亮度直方图，颜色直方图，HOG，局部二值模式直方图[等。其中颜色直方图是目标跟踪领域最为广泛使用的描述子，然而传统的颜色直方图对光照变化敏感，同时目标区域内像素位置分布被完全忽略。

颜色特征——是一种全局特征，描述了图像或图像区域所对应的景物的表面性质。一般颜色特征是基于像素点的特征，此时所有图像或图像区域的像素都有各自的贡献。由于颜色对图像或图像区域的方向、大小等变化不敏感，所以颜色特征不能很好地捕捉图像中对象的局部特征。另外，仅使用颜色特征查询时，如果数据库很大，常会将许多不需要的图像也检索出来。颜色直方图是最常用的表达颜色特征的方法，其优点是不受图像旋转和平移变化的影响，进一步借助归一化还可以不受图像尺度变化的影响，其缺点是没有表达出颜色空间分布的信息。

（颜色直方图）：

A color histogram of an image represents the distribution of the composition of colors in the image. It shows dif-ferent types of colors appeared and the number of pixels in each type of the colors appeared. The relation between a color histogram and a luminance histogram is that a color histogram can be also expressed as “Three Color Histogr-ams”, each of which shows the brightness distribution of each individual Red/Green/Blue color channel.

颜色直方图在OpenCV的的实现：

OpenCV里面提供的计算图像直方图的API函数calcHist，用法：

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

OpenCV官网参数详细注释

parameters：
第一个参数：源输入（图像）数组，必须是深度和大小均相同的CV_8U或者CV_32F(即uchar或者float)图片，每一个可以是任意通道的；
第二个参数：源输入数组中的图片个数；
第三个参数：用来计算直方图的通道维数的数组,第一张图片的通道由0到arrays[0].channels()-1列出，第二张图片的通道从arrays[0].channels()到arrays[0].channels()+arrays[1].channels()-1，以此类推，而该参数就是从通道序列中选取一子序列，参与直方图计算的是子序列而不是所有通道序列；
第四个参数：可选的掩模，如果该矩阵不是空的，则必须是8位的并且与arrays[i]的大小相等，掩模的非零值标记需要在直方图中统计的数组元素；
第五个参数：输出直方图，是一个稠密或者稀疏的dims维的数组；
第六个参数：直方图的维数，必须为正，并且不大于CV_MAX_DIMS(当前的OpenCV版本中为36，即最大可以统计36维的直方图)；
第七个参数：用于指出直方图数组每一维的大小的数组，即指出每一维的bin的个数的数组；
第八个参数：用于指出直方图每一维的每个bin的上下界范围（数组）的数组，当直方图是均匀的(uniform =true)时，对每一维i指定直方图的第0个bin的下界和最后一个即第histSize[i]-1个bin的上界，也就是说对均匀直方图来说，每一个ranges[i]都是一个两个元素的数组【指出该维的上下界】。当直方图不是均匀的时，每一个ranges[i]数组都包含histSize[i]+1个元素；
第九个参数：直方图是否均匀的标志;【指定直方图每个bin统计的是否是相同数量的灰度级】；
第十个参数：累加标志；

calcHist函数的channels参数和narrays以及dims共同来确定用于计算直方图的图像；首先dims是最终的直方图维数，narrays指出了arrays数组中图像的个数，其中每一幅图像都可以是任意通道的【只要最终dims不超过36即可】。

如果channels参数为0，则narrays和dims必须相等，否则弹出assert，此时计算直方图的时候取数组中每幅图像的第0通道。当channels不是0的时候，用于计算直方图的图像是arrays中由channels指定的通道的图像，channels与arrays中的图像的对应关系，如channels的参数说明的，将arrays中的图像从第0幅开始按照通道摊开排列起来，然后channels中的指定的用于计算直方图的就是这些摊开的通道。

假设有arrays中只有一幅三通道的图像image，那么narrays应该为1，如果是想计算3维直方图【最大也只能是3维的】，想将image的通道2作为第一维，通道0作为第二维，通道1作为第三维，则可以将channels设置为channesl={2,0,1};这样calcHist函数计算时就按照这个顺序来统计直方图。

OpenCV实现计算HSV空间颜色直方图程序：

#include "stdafx.h"
/*计算hsv图像的直方图*/
#include <iostream>
#include "opencv2/core/core.hpp"
#include "opencv2/imgproc/imgproc.hpp"
#include "opencv2/highgui/highgui.hpp"using namespace std;
using namespace cv;class CalcHistogram
{
private:int histSize[3];         //直方图项的数量float hranges[2];        //h通道像素的最小和最大值float sranges[2];float vranges[2];const float *ranges[3];  //各通道的范围int channels[3];         //三个通道int dims;public:CalcHistogram(int hbins = 30, int sbins = 32, int vbins = 32){histSize[0] = hbins;histSize[1] = sbins;histSize[2] = vbins;hranges[0] = 0; hranges[1] = 180;sranges[0] = 0; sranges[1] = 256;vranges[0] = 0; vranges[1] = 256;ranges[0] = hranges;ranges[1] = sranges;ranges[2] = vranges;channels[0] = 0;channels[1] = 1;channels[2] = 2;dims = 3;}Mat getHistogram(const Mat &image);void getHistogramImage(const Mat &image);
};Mat CalcHistogram::getHistogram(const Mat &image)
{Mat hist;calcHist(&image,1,channels,Mat(),hist,dims,histSize,ranges,true,      //直方图每一维的histSize是均匀的false);return hist;
}void CalcHistogram::getHistogramImage(const Mat &image)
{Mat hist = getHistogram(image);int scale = 4;int hbins = histSize[0];int sbins = histSize[1];int vbins = histSize[2];float *hist_sta = new float[sbins];float *hist_val = new float[vbins];float *hist_hue = new float[hbins];memset(hist_val, 0, vbins * sizeof(float));memset(hist_sta, 0, sbins * sizeof(float));memset(hist_hue, 0, hbins * sizeof(float));for (int s = 0; s < sbins; s++){for (int v = 0; v < vbins; v++){for (int h = 0; h<hbins; h++){float binVal = hist.at<float>(h, s, v);hist_hue[h] += binVal;hist_val[v] += binVal;hist_sta[s] += binVal;}}}double max_sta = 0, max_val = 0, max_hue = 0;for (int i = 0; i<sbins; ++i){if (hist_sta[i]>max_sta)max_sta = hist_sta[i];}for (int i = 0; i<vbins; ++i){if (hist_val[i]>max_val)max_val = hist_val[i];}for (int i = 0; i<hbins; ++i){if (hist_hue[i]>max_hue)max_hue = hist_hue[i];}Mat sta_img = Mat::zeros(240, sbins*scale + 20, CV_8UC3);Mat val_img = Mat::zeros(240, vbins*scale + 20, CV_8UC3);Mat hue_img = Mat::zeros(240, hbins*scale + 20, CV_8UC3);for (int i = 0; i<sbins; ++i){int intensity = cvRound(hist_sta[i] * (sta_img.rows - 10) / max_sta);rectangle(sta_img, Point(i*scale + 10, sta_img.rows - intensity), Point((i + 1)*scale - 1 + 10, sta_img.rows - 1), Scalar(0, 255, 0), 1);}for (int i = 0; i<vbins; ++i){int intensity = cvRound(hist_val[i] * (val_img.rows - 10) / max_val);rectangle(val_img, Point(i*scale + 10, val_img.rows - intensity), Point((i + 1)*scale - 1 + 10, val_img.rows - 1), Scalar(0, 0, 255), 1);}for (int i = 0; i<hbins; ++i){int intensity = cvRound(hist_hue[i] * (hue_img.rows - 10) / max_hue);rectangle(hue_img, Point(i*scale + 10, hue_img.rows - intensity), Point((i + 1)*scale - 1 + 10, hue_img.rows - 1), Scalar(255, 0, 0), 1);}imshow("Shist", sta_img);imshow("Vhist", val_img);imshow("Hhist", hue_img);delete[] hist_sta;delete[] hist_val;delete[] hist_hue;
}int main()
{Mat src = imread("C:\\Users\\59235\\Desktop\\image\\girl1.jpg"), hsv;if (!src.data){cout << "error, the image is not built!" << endl;return -1;}cvtColor(src, hsv, CV_BGR2HSV);imshow("src", src);imshow("hsv", hsv);CalcHistogram h;h.getHistogram(hsv);h.getHistogramImage(hsv);waitKey();return 0;
}

亦或者是用实现RGB空间的颜色直方图：

//计算图像RGB空间的颜色直方图
#include<opencv2\opencv.hpp>  
#include<iostream>  
using namespace std;
using namespace cv;class HistogramND {
private:Mat image;//源图像  int hisSize[1], hisWidth, hisHeight;//直方图的大小,宽度和高度  float range[2];//直方图取值范围  const float *ranges;Mat channelsRGB[3];//分离的BGR通道  MatND outputRGB[3];//输出直方图分量  
public:HistogramND() {hisSize[0] = 256;hisWidth = 400;hisHeight = 400;range[0] = 0.0;range[1] = 255.0;ranges = &range[0];}//导入图片  bool importImage(String path) {image = imread(path);if (!image.data)return false;return true;}//分离通道  void splitChannels() {split(image, channelsRGB);}//计算直方图  void getHistogram() {calcHist(&channelsRGB[0], 1, 0, Mat(), outputRGB[0], 1, hisSize, &ranges);calcHist(&channelsRGB[1], 1, 0, Mat(), outputRGB[1], 1, hisSize, &ranges);calcHist(&channelsRGB[2], 1, 0, Mat(), outputRGB[2], 1, hisSize, &ranges);//输出各个bin的值  for (int i = 0; i < hisSize[0]; ++i) {cout << i << "   B:" << outputRGB[0].at<float>(i);cout << "   G:" << outputRGB[1].at<float>(i);cout << "   R:" << outputRGB[2].at<float>(i) << endl;}}//显示直方图  void displayHisttogram() {Mat rgbHist[3];for (int i = 0; i < 3; i++){rgbHist[i] = Mat(hisWidth, hisHeight, CV_8UC3, Scalar::all(0));}normalize(outputRGB[0], outputRGB[0], 0, hisWidth - 20, NORM_MINMAX);normalize(outputRGB[1], outputRGB[1], 0, hisWidth - 20, NORM_MINMAX);normalize(outputRGB[2], outputRGB[2], 0, hisWidth - 20, NORM_MINMAX);for (int i = 0; i < hisSize[0]; i++){int val = saturate_cast<int>(outputRGB[0].at<float>(i));rectangle(rgbHist[0], Point(i * 2 + 10, rgbHist[0].rows), Point((i + 1) * 2 + 10, rgbHist[0].rows - val), Scalar(0, 0, 255), 1, 8);val = saturate_cast<int>(outputRGB[1].at<float>(i));rectangle(rgbHist[1], Point(i * 2 + 10, rgbHist[1].rows), Point((i + 1) * 2 + 10, rgbHist[1].rows - val), Scalar(0, 255, 0), 1, 8);val = saturate_cast<int>(outputRGB[2].at<float>(i));rectangle(rgbHist[2], Point(i * 2 + 10, rgbHist[2].rows), Point((i + 1) * 2 + 10, rgbHist[2].rows - val), Scalar(255, 0, 0), 1, 8);}cv::imshow("R", rgbHist[0]);imshow("G", rgbHist[1]);imshow("B", rgbHist[2]);imshow("image", image);}
};int main() {string path = "C:\\Users\\59235\\Desktop\\image\\girl1.jpg";HistogramND hist;if (!hist.importImage(path)) {cout << "Import Error!" << endl;return -1;}hist.splitChannels();hist.getHistogram();hist.displayHisttogram();waitKey(0);return 0;
}

实验结果：