OpenCV C++ 进阶：图像直方图与几何变换全解析

图像直方图是图像处理中的重要分析工具，它通过统计像素值分布揭示图像的亮度、对比度等关键特性。本章将深入探讨直方图的各种操作及其应用，并延伸至模板匹配与几何变换等核心技术，为图像分析与处理提供强大工具集。

一、像素统计信息

在分析图像之前，获取基本的像素统计信息（如均值、方差、最值等）是理解图像特性的第一步，这些统计量能帮助我们快速判断图像质量与内容特征。

1.1 基本统计量计算

OpenCV 提供meanStdDev函数一次性计算图像的均值与标准差，结合minMaxLoc可获取像素最值：

#include <opencv2/opencv.hpp>
#include <iostream>
using namespace cv;
using namespace std;

int main() {
    Mat img = imread("test.jpg", IMREAD_GRAYSCALE);
    if (img.empty()) {
        cout << "图像加载失败！" << endl;
        return -1;
    }

    // 1. 计算均值与标准差
    Scalar mean, stddev;
    meanStdDev(img, mean, stddev);  // 单通道图像返回Scalar(mean, 0, 0, 0)
    
    // 2. 计算最大最小值及位置
    double minVal, maxVal;
    Point minLoc, maxLoc;
    minMaxLoc(img, &minVal, &maxVal, &minLoc, &maxLoc);
    
    // 3. 输出统计结果
    cout << "均值: " << mean[0] << endl;
    cout << "标准差: " << stddev[0] << endl;
    cout << "最小值: " << minVal << " 位置: " << minLoc << endl;
    cout << "最大值: " << maxVal << " 位置: " << maxLoc << endl;
    
    return 0;
}

1.2 多通道图像统计

对于彩色图像（BGR 三通道），可分别计算各通道的统计信息：

Mat img = imread("test.jpg");  // 加载BGR彩色图像
vector<Mat> channels;
split(img, channels);  // 分离三通道

for (int i = 0; i < 3; ++i) {
    Scalar mean, stddev;
    meanStdDev(channels[i], mean, stddev);
    double minVal, maxVal;
    minMaxLoc(channels[i], &minVal, &maxVal);
    
    cout << "通道 " << i << " (BGR中对应" << (i==0?"B":i==1?"G":"R") << "):" << endl;
    cout << "  均值: " << mean[0] << ", 标准差: " << stddev[0] << endl;
    cout << "  最小值: " << minVal << ", 最大值: " << maxVal << endl;
}

1.3 统计信息的应用价值

• 均值：反映图像整体亮度，均值过高（接近 255）说明图像过曝，过低说明过暗；
• 标准差：反映像素值离散程度，标准差小说明图像对比度低，细节不明显；
• 最值位置：可快速定位图像中最亮 / 最暗区域，用于分析高光或阴影区域。

二、直方图绘制

直方图是像素值分布的可视化表示，X 轴为像素值（0-255），Y 轴为对应值的像素数量。OpenCV 提供calcHist函数计算直方图数据，结合绘图工具可实现可视化。

2.1 直方图计算（calcHist 函数）

Mat calcGrayHistogram(const Mat& img) {
    // 直方图参数设置
    int histSize = 256;  // 直方图分箱数
    float range[] = {0, 256};  // 像素值范围
    const float* histRange = {range};
    
    Mat hist;
    // 计算直方图
    calcHist(&img, 1, 0, Mat(), hist, 1, &histSize, &histRange, true, false);
    
    return hist;
}

参数说明：

• &img：输入图像指针（支持多图像）
• 1：图像数量
• 0：通道索引（单通道为 0）
• Mat()：掩码（为空表示使用全部像素）
• hist：输出直方图（256×1 的 Mat）
• 1：直方图维度
• &histSize：每个维度的分箱数
• &histRange：每个维度的像素值范围
• true：直方图是否归一化
• false：是否累积直方图

2.2 直方图可视化

结合 OpenCV 的绘图函数将直方图数据可视化为图像：

Mat drawHistogram(const Mat& hist, int histHeight = 200) {
    int histS