计算OpenCV中图像的颜色分布

假设我们有一个灰度图像。有没有办法计算非黑色像素是如何分布的，即它们是在一个或几个地方分组的，还是在整个图像中均匀分布的？

听起来像是在寻找图像的直方图。这是图像处理中的一项基本操作

“直方图是收集到的数据计数，组织到一组预定义的存储箱中。”

---

使用OpenCV计算直方图的文档位于

中，听起来像是在寻找图像的直方图。这是图像处理中的一项基本操作

“直方图是收集到的数据计数，组织到一组预定义的存储箱中。”

---

使用OpenCV计算直方图的文档位于

中，听起来您要查找的是光栅化版本图像的空间矩

首先，您需要设置图像阈值，使其成为二进制图像：

然后可以计算图像力矩：

---

如果你想要一个空间力矩的物理类比，你可以想象每个白色像素是一个单位质量点，那么第二个力矩就是图像的转动惯量。如果白色像素（点质量）紧密聚集，则第二个时刻将很低（图像将很容易旋转）。

听起来您要寻找的是光栅化图像的空间时刻

首先，您需要设置图像阈值，使其成为二进制图像：

然后可以计算图像力矩：

---

如果你想要一个空间力矩的物理类比，你可以想象每个白色像素是一个单位质量点，那么第二个力矩就是图像的转动惯量。如果白色像素（点质量）紧密聚集在一起，则第二个矩将很低（图像将很容易旋转）。

我想分享我使用的另一种方法

Mat img = imread(argv[1], CV_LOAD_IMAGE_COLOR);
cvtColor(img, img, CV_RGB2GRAY);
threshold(img, img, 35, 255, THRESH_BINARY);

Mat distance;
distanceTransform(img, distance, CV_DIST_L2, 3);
distance = min(distance, 1);
Scalar distribution = mean(dist);

cout <<  "The distribution is: " << distribution << std::endl;

Mat img=imread（argv[1]，CV\u LOAD\u IMAGE\u COLOR）；
CVT颜色（img、img、CV_RGB2GRAY）；
阈值（img，img，35255，THRESH_二进制）；
垫距；
距离变换（img，距离，CV_距离_L2，3）；
距离=最小值（距离，1）；
标量分布=平均值（距离）；
cout我想分享我使用的另一种方法

Mat img = imread(argv[1], CV_LOAD_IMAGE_COLOR);
cvtColor(img, img, CV_RGB2GRAY);
threshold(img, img, 35, 255, THRESH_BINARY);

Mat distance;
distanceTransform(img, distance, CV_DIST_L2, 3);
distance = min(distance, 1);
Scalar distribution = mean(dist);

cout <<  "The distribution is: " << distribution << std::endl;

Mat img=imread（argv[1]，CV\u LOAD\u IMAGE\u COLOR）；
CVT颜色（img、img、CV_RGB2GRAY）；
阈值（img，img，35255，THRESH_二进制）；
垫距；
距离变换（img，距离，CV_距离_L2，3）；
距离=最小值（距离，1）；
标量分布=平均值（距离）；
库特