快捷導(dǎo)航

opencv實(shí)現(xiàn)像素統(tǒng)計(jì)的示例代碼

更新時(shí)間：2025年01月06日 08:54:43 作者：編碼小哥

本文介紹了OpenCV中統(tǒng)計(jì)圖像像素信息的常用方法和函數(shù),文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

1. 統(tǒng)計(jì)像素值的基本信息

最大值、最小值、均值、標(biāo)準(zhǔn)差：使用 cv::minMaxLoc() 和 cv::meanStdDev() 函數(shù)可以快速計(jì)算圖像的最大值、最小值、均值和標(biāo)準(zhǔn)差。

#include <opencv2/opencv.hpp>
#include <iostream>

int main() {
    cv::Mat image = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE); // 讀取灰度圖像
    if (image.empty()) {
        std::cerr << "Error: Could not load image!" << std::endl;
        return -1;
    }

    double minVal, maxVal;
    cv::Point minLoc, maxLoc;
    cv::minMaxLoc(image, &minVal, &maxVal, &minLoc, &maxLoc);

    cv::Scalar mean, stddev;
    cv::meanStdDev(image, mean, stddev);

    std::cout << "Min value: " << minVal << " at " << minLoc << std::endl;
    std::cout << "Max value: " << maxVal << " at " << maxLoc << std::endl;
    std::cout << "Mean: " << mean[0] << std::endl;
    std::cout << "Stddev: " << stddev[0] << std::endl;

    return 0;
}

2. 統(tǒng)計(jì)像素值的直方圖

直方圖計(jì)算：使用 cv::calcHist() 函數(shù)可以計(jì)算圖像的直方圖，用于分析像素值的分布。

#include <opencv2/opencv.hpp>
#include <iostream>

int main() {
    cv::Mat image = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE); // 讀取灰度圖像
    if (image.empty()) {
        std::cerr << "Error: Could not load image!" << std::endl;
        return -1;
    }

    // 定義直方圖參數(shù)
    int histSize = 256; // 直方圖的 bin 數(shù)量
    float range[] = {0, 256}; // 像素值范圍
    const float* histRange = {range};
    bool uniform = true, accumulate = false;

    cv::Mat hist;
    cv::calcHist(&image, 1, 0, cv::Mat(), hist, 1, &histSize, &histRange, uniform, accumulate);

    // 打印直方圖
    for (int i = 0; i < histSize; i++) {
        std::cout << "Bin " << i << ": " << hist.at<float>(i) << std::endl;
    }

    return 0;
}

3. 統(tǒng)計(jì)像素值的總和

像素值求和：使用 cv::sum() 函數(shù)可以計(jì)算圖像中所有像素值的總和。

cv::Scalar sum = cv::sum(image);
std::cout << "Sum of pixel values: " << sum[0] << std::endl;

4. 統(tǒng)計(jì)非零像素的數(shù)量

非零像素統(tǒng)計(jì)：使用 cv::countNonZero() 函數(shù)可以統(tǒng)計(jì)圖像中非零像素的數(shù)量。

int nonZeroCount = cv::countNonZero(image);
std::cout << "Non-zero pixel count: " << nonZeroCount << std::endl;

5. 統(tǒng)計(jì)像素值的分布（分通道）

對于多通道圖像（如 RGB 圖像），可以分別統(tǒng)計(jì)每個(gè)通道的像素信息。

cv::Mat image = cv::imread("image.jpg", cv::IMREAD_COLOR); // 讀取彩色圖像
std::vector<cv::Mat> channels;
cv::split(image, channels); // 分離通道

for (int i = 0; i < channels.size(); i++) {
    double minVal, maxVal;
    cv::minMaxLoc(channels[i], &minVal, &maxVal);
    std::cout << "Channel " << i << " - Min: " << minVal << ", Max: " << maxVal << std::endl;
}

6. 統(tǒng)計(jì)像素值的百分比

如果需要統(tǒng)計(jì)像素值的百分比（如 95% 的像素值小于某個(gè)閾值），可以通過直方圖計(jì)算累積分布函數(shù)（CDF ）來實(shí)現(xiàn)。

cv::Mat hist;
cv::calcHist(&image, 1, 0, cv::Mat(), hist, 1, &histSize, &histRange, uniform, accumulate);

// 計(jì)算累積分布函數(shù)
for (int i = 1; i < histSize; i++) {
    hist.at<float>(i) += hist.at<float>(i - 1);
}

// 歸一化
hist /= image.total();

// 查找 95% 的像素值閾值
float threshold = 0.95;
int pixelValueThreshold = 0;
for (int i = 0; i < histSize; i++) {
    if (hist.at<float>(i) >= threshold) {
        pixelValueThreshold = i;
        break;
    }
}
std::cout << "95% of pixel values are below: " << pixelValueThreshold << std::endl;

通過以上方法，可以有效地統(tǒng)計(jì)和分析 OpenCV 圖像的像素信息。這些統(tǒng)計(jì)信息對于圖像處理、分析和特征提取等任務(wù)非常重要。根據(jù)具體需求，可以選擇合適的方法進(jìn)行像素統(tǒng)計(jì)。

到此這篇關(guān)于opencv實(shí)現(xiàn)像素統(tǒng)計(jì)的示例代碼的文章就介紹到這了,更多相關(guān)opencv 像素統(tǒng)計(jì)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: