前言

学以致用，乐趣无穷。由于元旦要旅游，所以把手机中现有照片都copy到PC备份，腾出空间，但是这些照片有些重复，有些无用，有些存在曝光问题，我能否自己做个程序自动帮我识别出高质量的图片保存，其它照片删除呢？

为了达成这个应用目的，我进行了任务拆分，首要要识别图片质量，有没有标准呢？就是说图像质量标准是什么呢？网上还真的搜索到了，包括有图像分析软件lmatest等。接着就是自动处理图片，然后按我的标准进行高质量图片分类。

图像分析

今天的主题围绕图像分析,图像的三要素包括亮度，对比图，饱和度。今天就是要用代码来分析出图像的灰度直方图。

主要函数

包括calcHist计算灰度直方图和normalize归一化

C++: void 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 )

参数详解：
onst Mat* images：输入图像
int nimages：输入图像的个数
const int* channels：需要统计直方图的第几通道
InputArray mask：掩膜，，计算掩膜内的直方图  ...Mat()
OutputArray hist:输出的直方图数组
int dims：需要统计直方图通道的个数
const int* histSize：指的是直方图分成多少个区间，就是 bin的个数
const float** ranges： 统计像素值得区间
bool uniform=true::是否对得到的直方图数组进行归一化处理
bool accumulate=false：在多个图像时，是否累计计算像素值得个数

void cv::normalize(InputArry src,InputOutputArray dst,double alpha=1,double beta=0,int norm_type=NORM_L2,int dtype=-1,InputArray mark=noArry())
参数说明
src        输入数组；
dst        输出数组，数组的大小和原数组一致；
alpha      1,用来规范值，2.规范范围，并且是下限；
beta       只用来规范范围并且是上限；使用范围归一化时，beta必有值不等于0。
norm_type  归一化选择的数学公式类型；
dtype      当为负，输出在大小深度通道数都等于输入，当为正，输出只在深度与输如不同，不同的地方游dtype决定；
mark       掩码。选择感兴趣区域，选定后只能对该区域进行操作。

备注：直接传递Mat()，代表为空。图像中的坐标(0,0)在左上角，向下为y轴数值增大的方向，向右为x轴数值增大的方向。

实现代码

#include "stdafx.h"
#include <opencv2/imgproc.hpp>
#include <opencv2/highgui.hpp>
using namespace std;
using namespace cv;

int main()
{

    Mat srcImage = imread("D:\\vcpro\\opencv\\pic\\IMG_20191013_104201.jpg", IMREAD_GRAYSCALE);//IMREAD_COLOR); // 直接导入图像为单通道灰度图
    imshow("【原图】", srcImage);
    int channels = 0;
    MatND dstHist;
    //接下来是直方图的每一个维度的柱条的数目 
    int histSize[] = { 256 };
    //定义变量用来存储单个维度的数值的取值范围 
    float midRanges[] = { 0, 256 };
    const float *ranges[] = { midRanges };

    calcHist(&srcImage, 1, &channels, Mat(), dstHist, 1, histSize, ranges, true, false);
    //dstHist变量中将储存了直方图的信息;
    //用dstHist的模版函数 at<Type>(i)得到第i个柱条的值  
    int hist_h = 400;  //row
    int hist_w = 512;  //col
    int bin_w = hist_w / histSize[0];
    Mat histImage(hist_h, hist_w, CV_8UC3, Scalar(0, 0, 0));
    normalize(dstHist, dstHist, 0, hist_h, NORM_MINMAX, -1, Mat());
    for (int i = 0; i < histSize[0]; i++)
    {
        //line(histImage, Point(i*bin_w, 400), Point(i*bin_w, 390), Scalar(255, 0, 0));
        line(histImage, Point(i*bin_w, hist_h), Point((i)*bin_w, hist_h - cvRound(dstHist.at<float>(i))), Scalar(255, 0, 0));
    }
    imshow("【直方图】", histImage);
    waitKey(0);
    return 0;
}

直方图效果