朱金燦 在求非8U類型的圖像數據的直方圖時一般采用拉伸到0到255范圍。但是這樣做的一個很大弊端是造成圖像信息丟失（因為從0到幾萬拉伸到0到255，信息丟失是肯定的）。 為了防止信息丟失，現在需要在不對圖像拉伸的情況下求取32R數據的直方圖。 毫無疑問，你不能開辟一個大數組去保存所有像素值的個數，因為一則2的32次方數值4294967296，估計編譯器不允許開辟這樣大的內存，二則32R的圖像的像素值范圍就是0到幾萬，開辟這么大的數組去保存無疑是浪費內存。那么開辟一個幾萬的數組去保存是否就是合適呢？也不合適，首先32R的圖像存在像素值是負數的情況，這樣數組下標號和像素值無法對應起來，這樣就無法將像素值和像素個數聯系起來，其次雖然32R的圖像的像素值范圍就是0到幾萬，但是在很多情況下實際的像素級只有幾百或幾千個，開辟一個幾萬的數組依然存在浪費內存的問題。 為此需要使用一個數據結構將像素值和像素個數聯系起來。開始我設想使用STL的map,以像素值為鍵，像素個數為鍵值，后來我發現和算法結合起來map顯得效率很低。 為此我設計了一個結構體： struct?GrayMap { long?PixelValue;// 像素值 long?PixelNum;// 對應該像素值的像素個數 }; 具體算法如下： 1.?????? 遍歷圖像，獲取圖像的最大值Max和最小值Min 2.?????? 開辟一個static<long>(abs(Max-Min)) 個GrayMap數組GrayMapVec 3.?????? 再次遍歷圖像，每讀取一個像素值，判斷GrayMapVec是否存在這一像素值（需要遍歷GrayMapVec數組），若存在，則將其對應元素的像素個數加1，若不存在則將其插入到GrayMapVec，同時記錄實際存在的像素級RealPixelGrade。 4.?????? 開辟一個RealPixelGrade個GrayMap的數組RealGrayMapVec,將GrayMapVec的像素個數不為0的元素插入到RealGrayMapVec（此舉是為了進一步減少不必要的內存） 若使用map作為基本數據結構,瓶頸存在于遍歷map。由此我體會到數據結構可能是這樣一種東西：你輕易不會遇到這方面的問題，就算遇到了，現成的數據結構也足以解決我們的大多數問題，比如STL、MFC的集合類。但是萬一遇到了，很可能是致命的問題，這時你不得不感嘆數據結構的重要性了。

轉載于:https://www.cnblogs.com/lanzhi/archive/2008/07/06/6471233.html

總結

以上是生活随笔為你收集整理的获取32R的图像的直方图的一个算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。