当前位置：首页 > news >正文

【OpenCV + VS】直方图与模糊操作

news 2025/11/14 10:23:02

在图像处理中，直方图是分析图像亮度、色彩分布的核心工具，而模糊操作则是降噪、平滑图像的基础手段。这篇教程将结合完整可运行的OpenCV代码，详细拆解1D直方图绘制、2D直方图分析、直方图均衡化以及三种常用模糊算法的原理与实现，从代码逐行解读到实际应用场景。
在这里插入图片描述

一、为什么这些操作很重要？

明确每个功能的核心作用：

直方图（1D/2D）：将图像像素值的分布可视化，1D直方图聚焦单通道（如BGR）的亮度分布，2D直方图可分析色彩组合（如HSV的色相-饱和度），常用于图像分割、曝光调整等场景。
直方图均衡化：通过调整像素分布，增强图像对比度，解决暗部细节不清晰、图像偏暗等问题，是图像增强的基础方法。
模糊操作：通过卷积运算降低图像噪声，平滑细节。不同模糊算法的区别在于“保留边缘能力”和“降噪效果”的平衡——普通模糊降噪强但边缘模糊，双边模糊能在降噪的同时保留边缘。

二、代码结构

代码包含6个核心功能函数+1个主函数：

// 头文件与命名空间
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;// 1. 1D三通道直方图绘制
void Histogram_demo(Mat& image);
// 2. 2D（HSV）直方图绘制
void Histogram_2d_demo(Mat& image);
// 3. 直方图均衡化（灰度图）
void histogram_eq_demo(Mat& image);
// 4. 普通均值模糊
void blur_demo(Mat& image);
// 5. 高斯模糊
void gaussian_blur_demo(Mat& image);
// 6. 双边模糊
void bifilter_demo(Mat& image);// 主函数：读取图像+调用所有功能
int main() { ... }

三、逐函数拆解：原理+代码+细节

（一）1D直方图：可视化三通道像素分布（Histogram_demo）

核心作用

将BGR图像的蓝、绿、红三个通道，分别统计0~255像素值的出现次数，用三条曲线可视化，直观看到图像的色彩分布（如红色多则红色曲线偏高）。

代码逐行解读

void Histogram_demo(Mat& image) {// 1. 三通道分离：将BGR图像拆成3个单通道图像vector<Mat> bgr_plane;  // 存储三个单通道的容器split(image, bgr_plane); // split(输入图像, 输出容器)：bgr_plane[0]=B通道，[1]=G通道，[2]=R通道// 2. 直方图计算参数设置（关键！）const int channels[] = { 0 };  // 计算单通道直方图，通道索引为0（每个单通道独立计算）const int bins[] = { 256 };    // 分箱数：0~255共256个像素值，每个值对应一个"箱"float hranges[] = { 0, 255 };  // 像素值统计范围：只统计0到255（8位图像的全部范围）const float* ranges[] = { hranges };  // 指向范围数组的指针（calcHist要求参数格式）// 3. 存储三个通道的直方图结果（Mat类型，1行256列，float型）Mat b_hist, g_hist, r_hist;// 4. 计算直方图：calcHist是OpenCV核心函数// 参数说明：输入图像指针、图像数量、通道索引、掩码（Mat()表示无掩码）、输出直方图、//          直方图维度（1D）、分箱数、像素范围、是否均匀分布、是否累积calcHist(&bgr_plane[0], 1, channels, Mat(), b_hist, 1, bins, ranges);calcHist(&bgr_plane[1], 1, channels, Mat(), g_hist, 1, bins, ranges);calcHist(&bgr_plane[2], 1, channels, Mat(), r_hist, 1, bins, ranges);// 5. 准备直方图绘制的空白图像int hist_w = 512;  // 直方图图像宽度（像素）int hist_h = 400;