统计灰度图像的直方图的C++实现

在C++中计算灰度图像的直方图，可以分为以下几个步骤：

1. **读取图像**: 使用OpenCV库（`opencv2`）中的函数读取图片，例如 `cv::imread()`。

#include <opencv2/opencv.hpp>
cv::Mat image = cv::imread("path_to_your_image.jpg", cv::IMREAD_GRAYSCALE);

2. **创建直方图数组**: 定义一个大小为256的一维数组，代表灰度值范围从0到255，每个元素表示对应灰度值像素的数量。

int hist[256];

3. **遍历像素并更新直方图**: 使用`cv::countNonZero()`或直接遍历图像矩阵来统计每个灰度级别的像素数，并更新数组。

cv::Mat element = (cv::Mat_<uchar>(1, 256) << 0, 1, 2, ..., 254, 255); // 创建一个查找表
for (int y = 0; y < image.rows; ++y)
{
    for (int x = 0; x < image.cols; ++x)
    {
        int gray_value = static_cast<int>(image.at<uchar>(y, x));
        ++hist[gray_value];
    }
}

4. **绘制直方图**: 使用OpenCV提供的`cv::calcHist()`函数将直方图可视化，或者手动绘制。

cv::Mat histImage;
cv::calcHist(&image, 1, nullptr, &histImage, 1, {0, 256}, cv::HIST_ARRAY);
cv::imshow("Histogram", histImage);

**完整示例**:

#include <opencv2/opencv.hpp>

int main()
{
    cv::Mat image = cv::imread("path_to_your_image.jpg", cv::IMREAD_GRAYSCALE);

    int hist[256];

    cv::Mat element = (cv::Mat_<uchar>(1, 256) << 0, 1, 2, ..., 254, 255);
    for (int y = 0; y < image.rows; ++y)
    {
        const uchar* row = image.ptr<uchar>(y);
        for (int x = 0; x < image.cols; ++x)
        {
            hist[static_cast<int>(*row++)]++;
        }
    }

    // 或者使用 cv::countNonZero() 函数
    // std::vector<int> histogram(image.size().width, 0);
    // cv::countNonZero(image, histogram.data());

    cv::Mat histImage(1, 256, CV_8UC1, cv::Scalar(0));
    for (int i = 0; i < 256; ++i)
    {
        histImage.at<uchar>(0, i) = static_cast<uchar>(hist[i]);
    }

    cv::imshow("Histogram", histImage);
    cv::waitKey();
    return 0;
}