Question

注意：这是一个家庭作业问题，教授明确禁止从StackOverflow请求答案，所以请限制您对我提出的具体问题的回答，不要试图提供有效的解决方案。

我被要求实现一个函数来计算单通道8位图像的直方图，该图像表示为类型为Mat的OpenCV CV_U8。

在这种情况下，直方图使用256个均匀分布的桶。这是我们要复制的参考（使用OpenCV 3.4）：

Mat reference;

/// Establish the number of bins
int histSize = 256;

/// Set the ranges ( for B,G,R) )
float range[] = { 0, 256 } ;
const float* histRange = { range };

bool uniform = true;
bool accumulate = false;

cv::calcHist(&bgr_planes[0], 1, 0, Mat(), reference, 1, &histSize, &histRange,
             uniform, accumulate);

// reference now contains the canonical histogram of the input image's
// blue channel

我编写了以下函数来计算直方图，该直方图在45-69％的时间内产生正确的结果（p <0.05，n = 66）。一旦失败，我检查了结果，发现没有可辨别的模式。所有试验均在同一测试图像上进行。

Mat myCalcHist(const Mat& input) {
  assert(input.isContinuous());

  Mat res(256, 1, CV_32F);
  for (const uint8_t* it = input.datastart; it != input.dataend; ++it) {
    ++res.at<float>(*it);
  }

  return res;
}

另一方面，以下函数更接近地匹配OpenCV的内部实现，因为它使用惯用访问器并转换float工作矩阵的int结果，但在n = 66次试验中它没有一次产生正确的结果。我再次发现数据中没有可辨别的模式。

Mat myCalcHist(const Mat& input) {

  Mat ires(256, 1, CV_32S);
  for (int i = 0; i < input.total(); ++i) {
    ++ires.at<int>(input.at<uint8_t>(i));
  }

  Mat res(256, 1, CV_32F);
  ires.convertTo(res, CV_32F);
  return res;
}

为什么我的第一次实现的结果与第二次实现的结果不同，第一次实现引入了非确定性？

Answer 1

初始化直方图矩阵应该有效：

Mat myCalcHist(const Mat& input) 
{
    Mat ires = cv::Mat::zeros(256, 1, CV_32S);
    for (int i = 0; i < input.total(); ++i) 
    {
         ++ires.at<int>(input.at<uint8_t>(i));
    }

   Mat res(256, 1, CV_32F);
   ires.convertTo(res, CV_32F);
   return res;
}

为什么这些直方图函数不同，为什么一个不确定？

1 个答案: