Opencv直方图处理

前言
1.1 直方图的含义
1.2 绘制直方图
- 1.2.1 使用Numpy绘制直方图
- 1.2.2 使用OpenCV绘制直方图
- - 1.2.2.1 用cv2.calcHist()函数统计图像直方图信息
  - 1.2.2.2 plot()函数的使用
  - 1.2.2.3 绘制统计直方图
- 1.2.3 使用掩模绘制直方图
1.3 直方图均衡化
- 1.3.1 直方图均衡化处理
1.4 pyplot模块介绍
- 1.4.1 subplot函数
- 1.4.2 imshow函数
总结

前言

寒假打卡！小白入门，如有不正确的地方希望各位大佬指正。

1.1 直方图的含义

从统计学上讲，直方图是图像内灰度值的统计特征与图像灰度值之间的函数，直方图统计图像内各个灰度级出现的次数。从直方图的图形上观察，横坐标是图像中各个像素点的灰度级，纵坐标是具有该灰度级（像素值）的像素个数。
注意：折线图和直方图统称直方图

有时为了便于理解，也会采用归一化直方图。归一化直方图中，x轴仍然代表灰度级，y轴不再代表灰度级出现的次数，而是灰度值出现的频率。（频率从0到1）

在OpenCV官网上，特别提出了要注意的三个概念：DIMS、BINS、RANGE。
DINS：表示在绘制直方图时，收集的参数的数量。一般情况下，直方图中收集的数据只有一种，就是灰度级。因此，该值为1.
BINS：参数子集的数目。在处理数据的过程中，有时需要将众多的数据划分为若干个组，再进行讨论。例如：灰度级有1、2、3、4、5、6六种，可以分为6组，每组1个灰度级，也可以分为3组，每组两个灰度级。
RANGE：表示要统计的灰度级范围，一般为[0,255]。0对应的是黑色，255对应的是白色。

1.2 绘制直方图

主要有两种方式：Python模块matplotlib.pyplot中的hist()函数能够方便的绘制直方图；OpenCV中的cv2.calcHist()函数能够计算统计直方图，还可以在此基础上绘制图像的直方图。

1.2.1 使用Numpy绘制直方图

模块matplotlib.pyplot中的hist()函数能够方便的绘制直方图，其语法如下：

matplotlib.pyplot.hist(X,BINS)

X：数据源，必须是一维的。图像一般是二维的，需要使用ravel()函数将图像处理为一维数据源以后，再作参数使用。
BINS：BINS的具体值，表示灰度级的分组情况。
示例：

import cv2
import matplotlib.pyplot as plt
o = cv2.imread(r"D:\lesson\xiaoxinyi.jpg")  #读入图片
cv2.imshow("original",o)                    #展示图片
plt.hist(o.ravel(),256)                     #绘制转换为一维数据源，灰度级分组为256组的图像直方图
cv2.waitKey()
cv2.destroyAllWindows()

修改参数BINS，看一下画灰度级划分为16组的直方图。

1.2.2 使用OpenCV绘制直方图

OpenCV提供了函数cv2.calcHist()用来计算图像的统计直方图，该函数能统计各个灰度级的像素点的个数。利用matplolib.pyplot模块中的plot()函数，可以将函数cv2.calcHist()的统计结果绘制成直方图。

1.2.2.1 用cv2.calcHist()函数统计图像直方图信息

语法格式为：

hist = cv2.calcHist(images,channels,mask,histSize,ranges,accumulate)

hist：返回的统计直方图，是一个一维数组，数组内的元素是各个灰度级的像素个数。
images：原始图像，该图像需要用"[ ]"括起来。
channels：指定通道标号。通道编号用"[ ]"括起来，如果输入图像时单通道灰度图像，该参数的值就是[0]。对于彩色图像，它的值可以是[1]、[2]、[3]，分别对应B、G、R。
mask：掩模图像。当要统计整幅直方图时，将这个值设为None。当要统计图像的某一部分的直方图时，需要用到掩模图像。
histSize：BINS的值，该值需要用"[ ]"括起来。
ranges：即像素范围。例如：8位灰度图像的像素值范围是[0,255]。
accumulate:累计标识，默认值为False。如果被设置为True，则直方图在开始计算时不会被清零，计算的是多个直方图的累计结果，用于对一组图像计算直方图。一般情况下不需要设置。

1.2.2.2 plot()函数的使用

通过一些例子演示plot()函数的使用方法。

import matplotlib.pyplot as plt
x = [0,1,2,3,4,5,6]           #指定x轴
y = [0.3,0.4,2,3.5,5.5,6,7]   #指定y轴
plt.plot(x,y)

import matplotlib.pyplot as plt
y = [0.3,0.4,2,3.5,5.5,6,7]       #仅指定y轴
plt.plot(y)

如果仅指定一个参数，则其对应的x轴的默认值是一个从0开始，步长为1的自然序列，自然序列x的长度与y的长度保持一致。

除此之外，我们还可以指定绘图颜色

import matplotlib.pyplot as plt
a = [0.3,0.4,2,3.5,5.5,6,7]
b = [1,3,4.5,5.3,6,6.8,7]
plt.plot(a,color='r')
plt.plot(b,color='g')

1.2.2.3 绘制统计直方图

将上文提及的函数cv2.calcHist()与函数plot()配套使用。

import cv2
import matplotlib.pyplot as plt
o = cv2.imread(r"D:\lesson\xiaoxinyi.jpg")
histb = cv2.calcHist([o],[0],None,[256],[0,255])   #因为处理的图像是彩图，所以这里的[0]是B通道
histg = cv2.calcHist([o],[1],None,[256],[0,255])  #这里的[1]是G通道
histr = cv2.calcHist([o],[2],None,[256],[0,255])  #这里的[2]是R通道
plt.plot(histb,color='b')                         #用蓝线绘制B通道的直方图
plt.plot(histg,color='g')                         #用绿线绘制G通道的直方图
plt.plot(histr,color='r')                         #用红线绘制R通道的直方图
plt.show()                                        #不必要，去掉这一行代码执行结果一样

1.2.3 使用掩模绘制直方图

在函数cv2.calcHist()中，参数mask用于标识是否使用掩模图像。当使用掩模图像获取直方图时，仅获取掩模参数mask指定区域的直方图。
关于掩模的详细介绍将会在下一篇博客中，这里仅介绍如何使用

import cv2
import numpy as np
import matplotlib.pyplot as plt
o = cv2.imread(r"D:\lesson\xiaoxinyi.jpg",cv2.IMREAD_GRAYSCALE)
mask = np.zeros(o.shape,np.uint8)     #构造一个像素值都是0的二维数组
mask[200:400,200:400]=255             #将中间部分（根据本图像大小）的值设置为255
histImage = cv2.calcHist([o],[0],None,[256],[0,255])
histMI = cv2.calcHist([o],[0],mask,[256],[0,255])
plt.plot(histImage,color='r')         #原图的直方图用红色线画出
plt.plot(histMI,color='g')            #使用过掩模的直方图用绿色线画出

可以看到使用掩模在不同灰度值像素点的个数要明显小于原图。

1.3 直方图均衡化

直方图均衡化使图像色彩更均匀、外观更清晰，也使图像更便于处理。它被广泛用于医学图像处理、车牌识别、人脸识别等领域。

1.3.1 直方图均衡化处理

OpenCV使用函数cv2.equalizeHist(src)实现直方图均衡化，具体语法如下：

dst = cv2.equalizeHist(src)

src：8位单通道原始图像
dst：直方图均衡化的结果

但是很遗憾的是我没有找到合适的图像（色彩不均匀的）作为演示。所以就只能将就一下下，看一下这个效果一般的例子吧。

import cv2
import matplotlib.pyplot as plt
o = cv2.imread(r"D:\lesson\biaoqingbao.jpg",cv2.IMREAD_GRAYSCALE)   #单通道，所以要读入灰度图
equ = cv2.equalizeHist(o)
cv2.imshow("original",o)
cv2.imshow("equ",equ)
plt.figure("原始图像直方图")
plt.hist(o.ravel(),256)
plt.figure("均衡化图像直方图")
plt.hist(equ.ravel(),256)
cv2.waitKey()
cv2.destroyAllWindows()

可以看到均衡化后的直方图更均衡了。

1.4 pyplot模块介绍

主要用于方便的绘制图形。

1.4.1 subplot函数

用来向当前窗口添加一个子窗口对象。具体语法如下：

matplotlib.pyplot.subplot(nrows,ncols,index)

nrows：为行数。
ncols：为列数。
index：为窗口序号
例如：subplot(2,3,4)表示在当前的两行三列的窗口的第4个位置上，添加一个子窗口。

注意：窗口是按照行方向排序的，而且序号是从’1’开始而不是’0’。
如果所有参数都小于10，可以省略彼此之间的逗号，直接写三个数字。

举个例子：

import cv2
import matplotlib.pyplot as plt
o = cv2.imread(r"D:\lesson\biaoqingbao.jpg",cv2.IMREAD_GRAYSCALE)
equ = cv2.equalizeHist(o)
plt.figure("subplot示例")
plt.subplot(121),plt.hist(o.ravel(),256)    #ravel()函数处理为一维数组模式。256是BINS值
plt.subplot(122),plt.hist(equ.ravel(),256)

1.4.2 imshow函数

模块matplotlib.pyplot提供了函数matplotlib.pyplot.imshow()用来显示图像。其语法如下所示：

matplotlib.pyplot.imshow(X，cmap=None)

X：图像信息，可以是各种形式的数值。
cmap：表示色彩空间。该值是可选项，默认使用RGB(A)色彩空间。

在OpenCV中通道顺序是BGR模式的，而函数matplotlib.pyplot.imshow()的显示顺序是RGB模式的，所以如果不对通道顺序进行一次转换的话会无法正常显示
通道转换语句：imgRGB=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)

示例：

import cv2
import matplotlib.pyplot as plt
o = cv2.imread(r"D:\lesson\xiaoxinyi.jpg")
img = cv2.cvtColor(o,cv2.COLOR_BGR2RGB)    #要转化到RGB色彩空间
plt.imshow(img)

如果不想显示坐标轴的话可以在plt.imshow()加一个参数并且改变函数语法格式，具体如下所示

import cv2
import matplotlib.pyplot as plt
o = cv2.imread(r"D:\lesson\xiaoxinyi.jpg")
img = cv2.cvtColor(o,cv2.COLOR_BGR2RGB)
plt.imshow(img),plt.axis('off')     #关闭坐标轴（注意这里参数的写法）

总结：使用较麻烦，还是cv2.imshow()方便

总结

以上就是对Opencv直方图处理的学习，暂时还不知道其在项目实战中有什么用，如果以后用到了再继续补充。寒假打卡冲冲冲！

Opencv python 直方图处理相关推荐

python opencv 直方图均衡_深入理解OpenCV+Python直方图均衡化
原标题:深入理解OpenCV+Python直方图均衡化正文直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法. 基本思想:把原始图的直方图变换为均匀分布的形式,这样就增加了像素灰度 ...
opencv python 直方图反向投影_python OpenCV学习笔记直方图反向投影的实现
本文介绍了python OpenCV学习笔记直方图反向投影的实现,分享给大家,具体如下: 它用于图像分割或寻找图像中感兴趣的对象.简单地说,它创建一个与我们的输入图像相同大小(但单通道)的图像,其中每 ...
Python，OpenCV进行直方图反投影
Python,OpenCV进行直方图反投影 1. 效果图 2. 源码参考这篇博客将介绍Python,OpenCV中的直方图反投影.直方图反投影用于图像分割或在图像中查找感兴趣的对象. 简单地说,它 ...
OpenCV Python教程（3）（4）（5）：直方图的计算与显示形态学处理初级滤波内
OpenCV Python教程(3.直方图的计算与显示) 本篇文章介绍如何用OpenCV Python来计算直方图,并简略介绍用NumPy和Matplotlib计算和绘制直方图直方图的背景知识.用途 ...
opencv python matplotlib.pyplot.hist() 如何绘制灰度直方图，如何根据灰度直方图确定最优二值化值
什么是灰度直方图? 图像直方图(histogram)是图像的统计学特征,常用于了解图像的基本特征以便分析.不过图像的直方图不具有空间特征. 图像的灰度直方图(histogram),就是将图像转化成灰度 ...
Python+OpenCV：直方图反向投影(Histogram Backprojection)
Python+OpenCV:直方图反向投影(Histogram Backprojection) Algorithm in Numpy 1. First we need to calculate the ...
Python+OpenCV：直方图均衡化(Histogram Equalization)
Python+OpenCV:直方图均衡化(Histogram Equalization) ####################################################### ...
Python+OpenCV：直方图(Histograms)
Python+OpenCV:直方图(Histograms) 理论什么是直方图?您可以将直方图看作是一种图形或图表,它为您提供关于图像强度分布的总体概念.它是x轴为像素值(范围从0到255,不总是这样 ...
python绘制灰度图片直方图-opencv+python 统计及绘制直方图
灰度直方图概括了图像的灰度级信息,简单的来说就是每个灰度级图像中的像素个数以及占有率,创建直方图无外乎两个步骤,统计直方图数据,再用绘图库绘制直方图. 统计直方图数据首先要稍微理解一些与函数相关的术 ...
OpenCV—python 颜色直方图与直方图均衡化
文章目录一.颜色直方图 1.1 使用opencv展示直方图 1.2 使用matplotlib绘制二.直方图均衡化 2.1 全局直方图均衡化与自适应均衡化 2.2 使用查找表来拉伸直方图 2.3 直 ...

Opencv python 直方图处理