C# 使用 OpenCvSharp 计算直方图的指南

OpenCvSharp 是 .NET 环境下用于处理图像的强大库。直方图是图像处理中非常实用的工具，可以帮助我们分析图像的像素分布特征。在本篇文章中，我们将介绍如何使用 OpenCvSharp 计算图像的直方图，并通过详细例子演示其应用。

1. 什么是直方图？

直方图是一种统计图，可以展示图像中不同像素值的分布情况。对于灰度图像，直方图可以表示0到255像素值的频率分布，而对于彩色图像，每个通道（通常为红、绿、蓝）都有自己的一个直方图。

2. 安装 OpenCvSharp

在开始之前，确保你已经安装了 OpenCvSharp。你可以使用 NuGet 包管理器来安装：

Install-Package OpenCvSharp4.Windows -Version 4.0.0.20190108

3. 计算灰度图像的直方图

首先，我们来计算一张灰度图像的直方图。以下是 C# 示例代码，演示如何使用 OpenCvSharp 进行计算：

static void Main(string[] args)
{
    // 读取图像并转换为灰度图
    Mat src = Cv2.ImRead("ai.jpg", ImreadModes.Grayscale);

    // 检查图像是否成功加载
    if (src.Empty())
    {
        Console.WriteLine("图像加载失败！");
        return;
    }

    // 计算直方图
    int[] histSize = { 256 }; // 直方图的bin数量
    Rangef[] ranges = { new Rangef(0, 256) }; // 每个bin的范围
    Mat hist = new Mat();

    Cv2.CalcHist(
        new Mat[] { src }, // 输入图像
        new int[] { 0 }, // 使用的通道
        null, // 不使用任何掩码
        hist, // 输出直方图
        1,    // 维数
        histSize, // bin数量
        ranges);  // 范围

    // 归一化直方图，使最高的bin与图像的高度对齐
    Cv2.Normalize(hist, hist, 0, 255, NormTypes.MinMax);

    // 创建一张用于显示直方图的图像
    int histImageWidth = 512; // 直方图图像的宽度
    int histImageHeight = 400; // 直方图图像的高度
    int binWidth = histImageWidth / histSize[0]; // 每个bin的宽度
    Mat histImage = new Mat(histImageHeight, histImageWidth, MatType.CV_8UC3, new Scalar(255, 255, 255));

    // 绘制直方图
    for (int i = 1; i < histSize[0]; i++)
    {
        Cv2.Line(
            histImage,
            new Point(binWidth * (i - 1), histImageHeight - Math.Round(hist.Get<float>(i - 1))), // 起点
            new Point(binWidth * i, histImageHeight - Math.Round(hist.Get<float>(i))), // 终点
            new Scalar(0, 0, 0), // 绘制线条的颜色（黑色）
            2); // 线条粗细
    }

    // 显示直方图
    Cv2.ImShow("Histogram", histImage); // 在窗口中显示图像
    Cv2.WaitKey(); // 等待用户键盘输入
}

4. 计算彩色图像的直方图

对于彩色图像，我们需要分别计算每个通道的直方图。以下代码示例展示了如何实现这一点：

static void Main(string[] args)
{
    // 读取彩色图像
    Mat src = Cv2.ImRead("ai.jpg");

    // 检查图像加载是否成功
    if (src.Empty())
    {
        Console.WriteLine("图像加载失败！");
        return;
    }

    // 将图像分为三个通道
    Mat[] channels;
    Cv2.Split(src, out channels);

    int[] histSize = { 256 }; // 直方图的bin的数量
    Rangef[] ranges = { new Rangef(0, 256) }; // 每个bin的范围
    Mat histB = new Mat(), histG = new Mat(), histR = new Mat();

    // 计算每个通道的直方图
    Cv2.CalcHist(new Mat[] { channels[0] }, new int[] { 0 }, null, histB, 1, histSize, ranges);
    Cv2.CalcHist(new Mat[] { channels[1] }, new int[] { 0 }, null, histG, 1, histSize, ranges);
    Cv2.CalcHist(new Mat[] { channels[2] }, new int[] { 0 }, null, histR, 1, histSize, ranges);

    // 归一化直方图，以便在显示时达到图像高度
    Cv2.Normalize(histB, histB, 0, 255, NormTypes.MinMax);
    Cv2.Normalize(histG, histG, 0, 255, NormTypes.MinMax);
    Cv2.Normalize(histR, histR, 0, 255, NormTypes.MinMax);

    // 创建图像用于显示直方图
    int histImageWidth = 512;
    int histImageHeight = 400;
    int binWidth = histImageWidth / histSize[0];
    Mat histImage = new Mat(histImageHeight, histImageWidth, MatType.CV_8UC3, new Scalar(255, 255, 255));

    // 绘制每个通道的直方图
    for (int i = 1; i < histSize[0]; i++)
    {
        Cv2.Line(histImage,
                 new Point(binWidth * (i - 1), histImageHeight - Math.Round(histB.Get<float>(i - 1))),
                 new Point(binWidth * i, histImageHeight - Math.Round(histB.Get<float>(i))),
                 new Scalar(255, 0, 0), 2); // 蓝色

        Cv2.Line(histImage,
                 new Point(binWidth * (i - 1), histImageHeight - Math.Round(histG.Get<float>(i - 1))),
                 new Point(binWidth * i, histImageHeight - Math.Round(histG.Get<float>(i))),
                 new Scalar(0, 255, 0), 2); // 绿色

        Cv2.Line(histImage,
                 new Point(binWidth * (i - 1), histImageHeight - Math.Round(histR.Get<float>(i - 1))),
                 new Point(binWidth * i, histImageHeight - Math.Round(histR.Get<float>(i))),
                 new Scalar(0, 0, 255), 2); // 红色
    }

    // 显示直方图
    Cv2.ImShow("Histogram", histImage); // 在窗口中显示直方图
    Cv2.WaitKey(); // 等待用户按键
}

5. 直方图的应用

直方图在图像处理中有广泛的应用。例如：

• 图像对比度调整： 通过直方图均衡化可以改善图像的对比度。

• 目标检测： 用于检测颜色为主要特征的物体。

• 图像匹配： 通过比较直方图可以实现简单的图像匹配。

计算直方图可以帮助你深入理解图像数据，并应用于复杂的图像处理任务中。希望这篇文章能够给予你一些启示，帮助你开始运用 OpenCvSharp 进行更多的图像处理工作！