### 使用 C++ 和 OpenCV 实现灰度图像直方图绘制 为了使用 C++ 和 OpenCV 绘制灰度图像的直方图，可以按照以下方法操作： #### 函数 `cv::calcHist` 的应用 在 OpenCV4 中，函数 `cv::calcHist` 能够统计出图像中每个灰度值的数量。此函数用于计算图像的直方图数据[^1]。 ```cpp void cv::calcHist( const Mat* images, int nimages, const int* channels, InputArray mask, OutputArray hist, int dims, const int* histSize, const float** ranges, bool uniform = true, bool accumulate = false); ``` #### 完整代码示例 下面是一个完整的 C++ 代码片段，展示了如何读取一张灰度图片、计算其直方图以及将其可视化为一幅新图像。 ```cpp #include <opencv2/opencv.hpp> using namespace cv; using namespace std; int main(int argc, char** argv){ // 加载灰度图像 Mat image = imread(argv[1], IMREAD_GRAYSCALE); if (image.empty()){ cout << "Could not open or find the image!" << endl ; return -1; } /// 建立计算直方图所需参数 int histSize = 256; // 灰阶范围是从0到255 float range[] = { 0, 256 } ; const float* histRange = { range }; bool uniform = true, accumulate = false; Mat hist; calcHist(&image, 1, 0, Mat(), hist, 1, &histSize, &histRange, uniform, accumulate ); // 归一化处理使得最大值对应于图形高度的一半 normalize(hist, hist, 0, image.rows / 2, NORM_MINMAX, -1, Mat()); // 创建空白画布来展示直方图 Mat histImage(image.rows, image.cols, CV_8UC3, Scalar(0,0,0)); int binW = cvRound((double)image.cols/histSize); for (int i = 1; i < histSize; ++i) { line(histImage, Point(binW*(i-1), image.rows - cvRound(hist.at<float>(i-1)) ), Point(binW*i, image.rows - cvRound(hist.at<float>(i))), Scalar(255, 0, 0), 2, LINE_AA ); } imshow("Source Image", image); imshow("Histogram", histImage); waitKey(); } ``` 这段程序首先加载了一张指定路径下的灰度图像，并调用了 `cv::calcHist()` 来获取该图像各像素强度级别的分布情况；接着通过 `normalize()` 方法调整这些数值大小使其适合屏幕显示比例；最后，在一个新的窗口里用蓝色线条形式呈现出了整个直方图形状[^2]。