C++自定义直方图计算显示函数异常 不同图像输出直方图相同

所有图像输出直方图完全一致的核心原因是像素访问逻辑和图像通道不匹配，叠加内存越界问题导致统计结果完全失真，和输入图像无关。
具体触发逻辑：

• imread默认以3通道BGR彩色模式加载图像，没有做灰度转换就直接按单通道浮点数格式遍历像素，内存步长计算完全错误，读到的不是真实像素值
• 错误读取到的浮点值大量超出0-255的bin范围，直接当下标访问hist数组时发生越界写，污染内存，导致最终统计结果固定
• 没有做图像加载成功校验，图片路径错误时直接跑空逻辑，也会输出固定结果

• 加载图像后统一转为单通道灰度图，要么在imread时传入IMREAD_GRAYSCALE参数直接以灰度模式加载，要么用cvtColor做色彩空间转换
• 遍历像素前校验Mat的通道数、数据类型，3通道Mat不能直接用at<float>(i,j)访问单元素
• 像素值作为hist下标前必须做范围校验，强制截断到0-255区间，避免数组越界
• 增加图像加载判空逻辑，imread返回空Mat时直接抛出错误或返回，不执行后续计算
• 绘制直方图矩形时增加坐标边界校验，避免归一化值异常导致绘制越界

• 函数传参使用const Mat&形式，避免Mat对象拷贝带来的性能损耗
• 优先使用OpenCV内置的calcHist函数做直方图统计，比手写双层循环速度快3~10倍，且自带边界校验，鲁棒性更强
• 修正拼写错误：比如注释里的Histogtram改为正确的Histogram
• 直方图绘制可以增加网格、坐标轴标注，提升可读性
• 直方图归一化时注意匹配画布高度，避免柱子顶到画布上沿

#include <opencv2/opencv.hpp>
using namespace cv;

class Histogram {
public:
    // 用const引用传参，避免无意义拷贝
    Mat calc_histogram(const Mat& src) {
        Mat hist = Mat::zeros(256, 1, CV_32F);
        // 校验输入是否为单通道灰度图，不是则转灰度
        Mat gray_src;
        if (src.channels() == 3) {
            cvtColor(src, gray_src, COLOR_BGR2GRAY);
        } else {
            gray_src = src;
        }
        gray_src.convertTo(gray_src, CV_32F);

        for (int i = 0; i < gray_src.rows; i++) {
            for (int j = 0; j < gray_src.cols; j++) {
                float value = gray_src.at<float>(i, j);
                // 校验像素值范围，避免越界
                int bin = static_cast<int>(round(value));
                bin = max(0, min(255, bin));
                hist.at<float>(bin) += 1;
            }
        }
        return hist;
    }

    void plot_histogram(const Mat& histogram) {
        const int hist_height = 400;
        const int hist_width = 512;
        const int bin_width = hist_width / 256;
        Mat histogram_image(hist_height, hist_width, CV_8UC3, Scalar(0, 0, 0));

        Mat normalized_histogram;
        normalize(histogram, normalized_histogram, 0, hist_height - 10, NORM_MINMAX, -1, Mat()); // 留10像素上边距

        for (int i = 0; i < 256; i++) {
            float bin_val = normalized_histogram.at<float>(i);
            // 边界校验
            int draw_height = max(0, min(hist_height, static_cast<int>(round(bin_val))));
            rectangle(histogram_image, 
                Point(bin_width * i, hist_height - draw_height),
                Point(bin_width * (i + 1), hist_height), 
                Scalar(255, 0, 0), FILLED);
        }

        imshow("Histogram", histogram_image);
    }
};

int main() {
    // 可以直接用IMREAD_GRAYSCALE加载灰度图，省掉后续转换步骤
    Mat img = imread("Shiv_Mahadev.png", IMREAD_GRAYSCALE);
    // 增加加载判空
    if (img.empty()) {
        printf("图像加载失败，请检查文件路径\n");
        return -1;
    }

    Histogram H1;
    Mat hist = H1.calc_histogram(img);
    H1.plot_histogram(hist);

    waitKey(0);
    destroyAllWindows();
    return 0;
}

如果追求更高性能，可以把calc_histogram里的手写循环替换为OpenCV原生calcHist接口，代码更简洁速度更快：

Mat calc_histogram(const Mat& src) {
    Mat gray_src;
    if (src.channels() == 3) cvtColor(src, gray_src, COLOR_BGR2GRAY);
    else gray_src = src;
    Mat hist;
    float ranges[] = {0, 256};
    const float* hist_range = {ranges};
    int channels[] = {0};
    int hist_size = 256;
    calcHist(&gray_src, 1, channels, Mat(), hist, 1, &hist_size, &hist_range);
    return hist;
}

内容的提问来源于stack exchange，提问作者Ankit Saini