基于C++的GDAL直方图，极值，标准差计算，用Python进行可视化 RGB 3S博客

前言

最近学习了一些东西，但是很难一次记录，将分几次记录，近期内容有：GDAL获取图像基本信息，基于RasterIO的图像重采样，基于SUFT算法的图像自动匹配并自动进行仿射变换（网上未搜到相关教程），以上是已经基本实现了，接下来这个周末打算实现图像融合，初步打算要么IHS要么基于高通滤波的算法，fighting！！！除了C++之外，还打算把之前写的Python小工具分享出来。
本次除了进行直方图统计之外，还编写了Python代码进行可视化。

代码

/*
作者：山科_xxin
时间：2017-03-24 23:07:18
功能：直方图，极值，标准差计算
类别：GDAL练习
*/
#include<gdal_priv.h>
#include<iostream>
#include<string>
#include<stdlib.h>
#include<cpl_conv.h>
#include<cpl_port.h>
#include<fstream>
using namespace std;
int Histogram(GDALDataset *poD)
{
	GDALRasterBand  *pBand;
	int nbands = poD->GetRasterCount();

	int n ;
	cout<<"共"<<nbands<<"个波段,请输入您想要统计的波段："<<endl;
	cin>>n;
	cout<<n<<endl;
	if(n<1||n>nbands)
	{
		cout<<"输入有误"<<endl;
	}

	pBand = poD->GetRasterBand(n);
	GDALDataType eDT = pBand->GetRasterDataType();
	int f;
	if(eDT == GDT_Byte )
	{
		f = 256;
	}
	else
	{
		cout<<"暂不支持";
		system("pause");
		exit(1);
	}
	int e = 1;
	
	GUIntBig *PanHis = new GUIntBig[f];
	
	pBand->GetHistogram(-0.5,255.5,f/e,PanHis,TRUE,FALSE,NULL,NULL);

	int j = -1;
	int i = 0;

	const char *Path = "G:\\opencv\\his.txt";
	ofstream SaveHis(Path);

	for(i;i<f;i+=e)
	{
		j++;
		cout<<i<<"-"<<i+e<<":"<<PanHis[j]<<endl;
		SaveHis<<i<<" "<<PanHis[j]<<endl;
		
	}
	SaveHis.close();
	if((j*(e+1))+1<f)
	{
		cout<<i<<"-"<<f<<":"<<PanHis[j]<<endl;
	}

	double MinMax[2] = {0.0};
	pBand->ComputeRasterMinMax(TRUE,MinMax);
	cout<<"最小值是："<<MinMax[0]<<endl;
	cout<<"最大值是："<<MinMax[1]<<endl;
	//double pdfMean = (MinMax[0]+MinMax[1])/2;
	double Max;
	double Min;
	double pdfMean;
	double pdfStdDev;
	pBand->ComputeStatistics(TRUE,&Min,&Max,&pdfMean,&pdfStdDev,NULL,NULL);
	cout<<"标准差："<<pdfStdDev<<endl;
	return 0;
}

int main()
{
	const char *pszFilename = "G:\\gdalwork\\image\\test.jpg";
	GDALDataset *poD;
	//GDALRasterBand *BandD;
	GDALAllRegister();
	poD = (GDALDataset*)GDALOpen(pszFilename,GA_ReadOnly);

	//GetInfo(poD);
	//resamp(poD,30,30);
	Histogram(poD);
	system("pause");
	return 0;
}

以上代码主要是统计各种值，并把直方图的值写入到一个文本文件，接下来就是用Python读取，并进行可视化，结果如下：
his