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!
来源链接:https://www.jb51.net/program/33365603e.htm
© 版权声明
本站所有资源来自于网络,仅供学习与参考,请勿用于商业用途,否则产生的一切后果将由您(转载者)自己承担!
如有侵犯您的版权,请及时联系3500663466#qq.com(#换@),我们将第一时间删除本站数据。
如有侵犯您的版权,请及时联系3500663466#qq.com(#换@),我们将第一时间删除本站数据。
THE END
暂无评论内容