opencv实现像素统计的示例代码

2025-01-06 08:54:44 作者：编码小哥

本文介绍了OpenCV中统计图像像素信息的常用方法和函数,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧

在 OpenCV 中，统计图像的像素信息（如像素值分布、最大值、最小值、均值等）是常见的操作。以下是一些常用的方法和函数，用于统计图像的像素信息：

1. 统计像素值的基本信息

最大值、最小值、均值、标准差：使用 cv::minMaxLoc() 和 cv::meanStdDev() 函数可以快速计算图像的最大值、最小值、均值和标准差。

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

int main() {
    cv::Mat image = cv::imread("image.jpg", cv::IMREAD_GRAYSCALE); // 读取灰度图像
    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. 统计像素值的直方图

直方图计算：使用 cv::calcHist() 函数可以计算图像的直方图，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); // 读取灰度图像
    if (image.empty()) {
        std::cerr << "Error: Could not load image!" << std::endl;
        return -1;
    }

    // 定义直方图参数
    int histSize = 256; // 直方图的 bin 数量
    float range[] = {0, 256}; // 像素值范围
    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);

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

    return 0;
}

3. 统计像素值的总和

像素值求和：使用 cv::sum() 函数可以计算图像中所有像素值的总和。

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

4. 统计非零像素的数量

非零像素统计：使用 cv::countNonZero() 函数可以统计图像中非零像素的数量。

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

5. 统计像素值的分布（分通道）

对于多通道图像（如 RGB 图像），可以分别统计每个通道的像素信息。

cv::Mat image = cv::imread("image.jpg", cv::IMREAD_COLOR); // 读取彩色图像
std::vector<cv::Mat> channels;
cv::split(image, channels); // 分离通道

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. 统计像素值的百分比

如果需要统计像素值的百分比（如 95% 的像素值小于某个阈值），可以通过直方图计算累积分布函数（CDF ）来实现。

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

// 计算累积分布函数
for (int i = 1; i < histSize; i++) {
    hist.at<float>(i) += hist.at<float>(i - 1);
}

// 归一化
hist /= image.total();

// 查找 95% 的像素值阈值
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;

通过以上方法，可以有效地统计和分析 OpenCV 图像的像素信息。这些统计信息对于图像处理、分析和特征提取等任务非常重要。根据具体需求，可以选择合适的方法进行像素统计。

到此这篇关于opencv实现像素统计的示例代码的文章就介绍到这了,更多相关opencv 像素统计内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！