目的：
直方图在cv领域到处可见，因为其功能在cv算法的实现中必不可少。Opencv库中也集成了关于直方图的不少函数，比如直方图的计算，均衡，归一化，相似度比较等等。
为了体验这些函数，做了个小实验，功能是：打开摄像头，鼠标选定一个框，框内图像作为标准图像，计算出其直方图并显示出来；然后继续鼠标选定框，该框内的图像的直方
图与标准图像的进行相似度计算，计算结果在终端输出，数值越大表示相似度越大。
工程环境：opencv2.3.1+vs2010。
工程代码：
1 // hist_test.cpp : 定义控制台应用程序的入口点。
2 //
3
4 #include "stdafx.h"
5 #include <opencv2/core/core.hpp>
6 #include <opencv2/imgproc/imgproc.hpp>
7 #include <opencv2/highgui/highgui.hpp>
8 #include <iostream>
9 #include <stdio.h>
10
11 using namespace cv;
12 using namespace std;
13
14 int nFrame_num=0;
15 bool pause=false;
16 bool tracking=false;
17 Rect preselectROI,selectROI;//用于存放手选的矩形
18 bool comp=true;
19
20 Mat rhist,ghist,bhist;
21 int channels[]={0,1,2};
22 //const int histsize[]={256,256,256};
23 const int histsize[]={16,16,16};
24 const int histsize1=16;
25 float rranges[]={0,255};
26 float granges[]={0,255};
27 float branges[]={0,255};
28 float range[]={0,255};
29 const float *ranges1={range};//这里的ranges就相当于一个双指针了
30 const float *ranges[]={rranges,granges,branges};//ranges是个双指针，且前面一定要用const，即不可改变常量，提高程序的可读性和稳健性
31 //const float *ranges[]={{0,255},{0,255},{0,255}};
32
33 void onMouse(int event,int x,int y,int,void *)
34 {
35 if(event==CV_EVENT_LBUTTONDOWN)
36 {
37 selectROI.x=x;
38 selectROI.y=y;
39 tracking=false;
40 }
41 else if(event==CV_EVENT_LBUTTONUP)
42 {
43 selectROI.width=x-selectROI.x;
44 selectROI.height=y-selectROI.y;
45 tracking=true;
46 comp=true;
47 nFrame_num++;//选定后才算真正意义上的第一帧
48 if(nFrame_num>=10)nFrame_num=10;//防止nFrame_num溢出
49 }
50 }
51
52 int main(int argc, const char* argv[])
53 {
54 Mat frame,img;
55 Mat staRoiHist;
56 MatND RoiHist;
57 int DRAW_H=400,DRAW_W=400;
58 Mat draw(DRAW_W,DRAW_H,CV_8UC3,Scalar(0,0,0));//建立一个显示直方图的图片，背景为纯黑色
59 int DRAW_BIN_W=cvRound(DRAW_W/histsize1);
60
61 /****打开摄像头****/
62 VideoCapture cam(0);
63 if(!cam.isOpened())
64 return -1;
65
66 /****鼠标捕捉****/
67 namedWindow("camera",1);
68 namedWindow("rgb_hist",1);
69 setMouseCallback("camera",onMouse,0);//这里用的是面向对象的思想，只要有鼠标动作就会调用鼠标响应函数
70
71 while(1)
72 {
73 if(!pause)//暂停按钮只需控制视频的读取
74 {
75 cam>>frame;
76 if(frame.empty())
77 break;//break此处跳出的是while语句，一般是跳出for或while语句，不要理解为跳出if语句
78 }
79 /* if(1==nFrame_num)
80 {
81
82 }*/
83 if(tracking)
84 {
85 Mat RoiImage(frame,selectROI);
86
87 /*************************************************************************************************************************/
88 /**** calcHist():计算图像块的直方图矩阵 ****/
89 /****calcHist(),第1个参数为原数组区域列表；第二个参数为有计算几个原数组；参数3为需要统计的通道索引数；参数4为操作掩码****/
90 /****第5个参数为存放目标直方图矩阵；参数6为需要计算的直方图的维数；参数7为每一维的bin的个数；参数8为每一维数值的取值范围****/
91 /****参数10为每个bin的大小是否相同的标志，默认为1，即bin的大小都相同；参数11为直方图建立时清除内存痕迹标志，默认为0，即清除****/
92 /*************************************************************************************************************************/
93 calcHist(&RoiImage,1,channels,Mat(),RoiHist,3,histsize,ranges);//原数组区域RoiImage,1个源，需要统计的通道索引为{0,1,2},
94 //目标直方图RoiHist，3维，每一维的bin数histsize,取值范围为
95 //ranges,实际上计算出的目标矩阵类似一维矩阵。
96
97
98 /*************************************************************************************************************************/
99 /**** normalize()：根据某种范数或者数值范围归一化数组 ****/
100 /**** normalize(),参数1表示需要归一化的数组；参数2为归一化后的目的数组;参数3表示输出数值的最小值/最大值或者输出数值的范数;****/
101 /**** 参数4表示输出数值的最小值/最大值;参数5表示归一化数组使用的归一化类型，默认值为使用L2范数;参数6为对应元素的掩膜矩阵 ****/
102 /**** 默认值为空，即不采用掩膜操作 ****/
103 /*************************************************************************************************************************/
104 normalize(RoiHist,RoiHist);//使用L2范数将RoiHist直方图原地归一化
105
106 vector<Mat> rgb_planes;//这里的vector为向量，向量的数据类型为Mat结构体，向量的长度为3
107 split(RoiImage,rgb_planes);//将rgb图分解到rgb_planes各个分量中
108 calcHist(&rgb_planes[0],1,0,Mat(),rhist,1,&histsize1,&ranges1);
109 normalize(rhist,rhist,0,DRAW_H,NORM_MINMAX);//进行最大最小值归一化
110 calcHist(&rgb_planes[1],1,0,Mat(),ghist,1,&histsize1,&ranges1);
111 normalize(ghist,ghist,0,DRAW_H,NORM_MINMAX);
112 calcHist(&rgb_planes[2],1,0,Mat(),bhist,1,&histsize1,&ranges1);
113 normalize(bhist,bhist,0,DRAW_H,NORM_MINMAX);
114 if(nFrame_num==1)
115 {
116 // preselectROI=selectROI;
117 preselectROI.x=selectROI.x;
118 preselectROI.y=selectROI.y;
119 preselectROI.width=selectROI.width;
120 preselectROI.height=selectROI.height;
121 staRoiHist=RoiHist.clone();//第一次选定目标，作为标准模板目标
122 }
123 else if(nFrame_num>1&&comp==true)
124 {
125 /*************************************************************************************************************************/
126 /**** compareHist():比较2个直方图的相似度 ****/
127 /**** compareHist()，参数1为比较相似度的直方图1；参数2为比较相似度的直方图2；参数3为相似度的计算方式。有四种， ****/
128 /**** 分别为CV_COMP_CORREL,CV_COMP_CHISQR,CV_COMP_INTERSECT,CV_COMP_BHATTACHARYYA ****/
129 /*************************************************************************************************************************/
130 double distence=compareHist(staRoiHist,RoiHist,CV_COMP_INTERSECT);//计算后面选定的与这次选定的相似度，使用INTERSECT，值越大越相似
131 printf("与第1次选定的图像区域相似度为：%f\n",distence);//数组越大，相似度越大
132
133 //显示直方图
134 for(int i=1;i<histsize1;i++)
135 {
136 //画直线中要注意2点，因为图片的原点在左上角，而直方图坐标系的原点在左下角，所以高度值都需要被直方图图纸高度减掉，另外取一维直方图时只能用at运算符
137 line(draw,Point(DRAW_BIN_W*(i-1),DRAW_H-cvRound(rhist.at<float>((i-1)))),Point(DRAW_BIN_W*(i),DRAW_H-cvRound(rhist.at<float>(i))),Scalar(255,0,0),2,8,0);
138 line(draw,Point(DRAW_BIN_W*(i-1),DRAW_H-cvRound(ghist.at<float>((i-1)))),Point(DRAW_BIN_W*(i),DRAW_H-cvRound(ghist.at<float>(i))),Scalar(0,255,0),2,8,0);
139 line(draw,Point(DRAW_BIN_W*(i-1),DRAW_H-cvRound(bhist.at<float>((i-1)))),Point(DRAW_BIN_W*(i),DRAW_H-cvRound(bhist.at<float>(i))),Scalar(0,0,255),2,8,0);
140 }
141 imshow("rgb_hist",draw);
142 draw=Mat::zeros(DRAW_W,DRAW_H,CV_8UC3);//每画完一次直方图后都进行一次清0操作
143 comp=false;
144 }
145 rectangle(frame,selectROI,Scalar(0,255,0),2,8);//手动选定一次就显示一次
146 }//end tracking
147 rectangle(frame,preselectROI,Scalar(0,0,255),5,8);//初始的选定目标一直不变
148 imshow("camera",frame);
149
150 //键盘响应
151 char c = (char)waitKey(10);
152 if( c == 27 )
153 break;
154 switch(c)
155 {
156 case 'p'://暂停键
157 pause = !pause;
158 break;
159 default:
160 ;
161 }
162 }//end while;
163 return 0;
164 }
实验结果：
选定框内的模板用红色框标出，其他待比较的模板用绿色框标出。
模板图像块的简单直方图(rgb分开画的)显示如下：
第一次比较结果图：
第二次比较结果图：
第三次比较结果图(2个框选定的基本重合)：
三次比较相似度结果：
可以看出，第三次的框与标准框内图像(即第1次选定的图像区域)的相似度值最大。
来源：https://www.cnblogs.com/tornadomeet/archive/2012/05/03/2480824.html