对OpenCV直方图的数据结构CvHistogram的理解.doc

前几天被OpenCV的直方图的数据结构CvHistogram弄得很纠结。上网一搜，也没什么相关的资料。现在有点头绪了，就写点东西，让后面的人好走一些吧。

先来看看CvHistogram的定义：
typedef struct CvHistogram
{
int type;
CvArr* bins;
float thresh[CV_MAX_DIM][2]; /* For uniform histograms. */
float** thresh2; /* For non-uniform histograms. */
CvMatND mat; /* Embedded matrix header for array histograms. */
}
CvHistogram;

第一个成员type，相信大家都见过很多结构都有其。比如：CvMat、CvMatND、IplImage(图像结构中，其用nSize成员代替)。这个成员用来区分各个类型的。OpenCV很多函数的原型都用到了一个CvArr*类型。这个类型说明可以接受一个CvMat或者IplImage类型的指针。这是我们对它的最初理解。其实，看过CvArr定义的人都知道，其实是typedef void CvArr；并非派生关系。 对于OPenCV函数内部，得到的是一个void指针，这时就有必要确切的知道得到的到底是一个什么类型（是CvMat指针还是IplImage指针，还是CvMatND指针）。这样type的作用就体现了。

第二个 成员bins。一个CvArr（即void）指针。大家可以先把其理解成一个快捷方式。其等于mat成员的data成员。等一下再说这个成员。

第三个成员是thresh。是一个二维数组。而且第二维是2.设想一下，这个函数是求图像的分布像素值（像素灰度值）分布情况。而不同的人，对不同的灰度值感兴趣。这时，OpenCV就必须能够让用户自行指定一个灰度值的范围。这就需要一个上界和下界来指定一个范围。这就是第二维的大小是2的原因。在讲第一维前，先来说说直方图的维数。一开始我对什么“一维直方图”、“二维直方图”不是很明。不知道怎么样才算是二维的。后面找到了一张二维直方图才明白。《学习OpenCV》、网上都有很多一维的直方图。我也在这里给出一个一维的直方图：

一维直方图

最重要的还是二维的直方图。

二维直方图，其中第一维是16.第二维为8.大家可以在图中看到最左边的8条红柱（当然第一条是白色的）。其红的程度不同。对于其他颜色也是分成了8中不同的程度。一共有16种。
下面的是图片的网址，还有代码。

现在，大家对直方图的维数，应该有一点认识了。现在来说说thresh成员。正是因为直方图可以有多维的，所以，必须得用thresh来指明各维的上下界。所以这个thresh成员是一个二维的指针。

现在到了thresh2成员。先一下这个问题：直方图的bin的个数和各个bin的大小 是怎么确定的？
bin的个数是通过cvCreateHist函数的参数来设定的。而各个bin的大小就有两种情况了。1：每个bin都一样大。2：每个bin的大小不一样大。对于每个bin一样大的话，bin的大小是比较容易解决的。相信大家都想到了，平均即可，因为有了上下界和bin的个数。而对于种情况就要用到thresh2这个成员了。
试想一下，要是不将每一个bin的大小设为一样的话，那么就得由用户自己设定每一个bin的大小（就是设定每一个bin的上下界）。当然要是多维的直方图，那么就要为每一维的所有bin都设定上下界。这就需要一个二维数组来存储这样的数据。从CvHistogram这个结构体可以看到thresh2成员是一个二维指针。这就是thresh2的来由了。

最后一个成员mat。这个成员是用来存数据的。前面的bins指针其实是等于mat成员的data的。所以，只能在mat里存放数据了。
cvCalcHist函数对图像进行操作后，得到了每一个bin的大小，并存放到mat的data成员指向的内存中。至于bings成员。请看下面的代码
if( type == CV_HIST_ARRAY )
{
hist->bins = cvInitMatNDHeader( &hist->mat, dims, sizes,
CV_HIST_DEFAULT_TYPE );
cvCreateData( hist->bins );
}
else if( type == CV_HIST_SPARSE )
hist->bins = cvCreateSparseMat( dims, sizes, CV_HIST_DEFAULT_TYPE );
所以，bins成员的值和mat里的data成员的值一样。之所以说是快捷方式，应该可以通过它可以快速得到存放直方图信息的地址。
mat成员还有一个dim的结构体。这个结构体的size成员用来存储直方图中各维的bin的个数。而该结构体的step成员是从本维本数据跳到下本维的下一个数据的字节数。比如说，对于前面那个二维直方图的例子。其dim[0].step = 32;而dim[1].step = 4.对于第二维来说，之所以是4.是因为每一个bin都是用float类型存储的。所以跳4.就像一个float数组。下标为2的地址和下标为3的地址就是相差4（字节）。而第一维是32.是因为有第二维有8个bin，每个bin为4位。所以要跳过8*4=32位。

其实，要想出较好的理解这个结构，最好还是自己敲代码，写一个能执行的例子出来。看看结果。然后，在调试的情况下，进入OpenCV的函数内部看看。