opencv实现像素统计的示例代码

合集 - IT(28)

1.基于C语言实现UDP服务器01-162.C++中线程同步与互斥的四种方式介绍及对比详解01-163.Jsoncpp的安装与使用方式01-164.C++ open()和read()函数使用详解01-165.深入理解C++ 空类大小01-166.C++17 Filesystem 实用教程01-167.C语言格式输出方式01-168.C语言线程池的常见实现方式详解01-16

9.opencv实现像素统计的示例代码01-16

10.C/C++ 创建Socket实现双工通信01-2211.在Linux系统中下载`gcc-linaro-7.2.1-2017.11-x86_64_aarch64-linux-gnu`工具链02-1512.linux安装lspci02-1513.制作ubuntu22.04的根文件系统02-1514.【ARM+Qt+OpenCV】基于ARM的双目图像采集系统02-1715.通用C++ Makefile02-1716.linux下安装cmake版本02-1717.添加xxx.so到环境变量里02-1818.在Linux系统下验证万兆网络（10Gbps）的性能和配置情况，可以通过多种方法来实现02-1819.【Ryan】: linux下安装ftp02-1920.【Ryan】: linux下挂在共享文件夹02-1921.linux下配置ip为动态获取02-1922.字符串值相加校验02-2123.数据十六进制打印输出02-2124.linux服务问题传文件连不上问题远程问题等02-2425.提供一个纯C语言的图像压缩程序，但是要达到将6MB的图片压缩到100KB以内的要求，有损压缩肯定是必须的。同时，要在速度上有所提升，我可以为您提供一个基于多线程的图像压缩程序。02-2526.cmake工程构建开发过程02-2627.使用QT开发远程linux服务器过程02-2628.linux系统测试磁盘IO速度 - fio使用03-05

收起

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。

点击查看代码

    #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。

点击查看代码

    #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。

点击查看代码

    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。

点击查看代码

 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。