图像直方图及其均衡化--opencv

直方图

图像直方图指的是描述图像的强度分布，一般来说横轴为0-255，纵轴为横轴像素值对应的像素个数。

opencv直方图

img = cv.imread('XXX')
hist = cv.calcHist([img],[0],None,[256],[0,256])

参数说明：

images : 类型为int8或float32的源图片。
图像图层索引。如果输入的是灰度图像，则是[0]。对于彩色图像，通过[0] 、[1]或[2]来分别计算蓝色、绿色或红色通道的直方图。
mask：掩膜图像。要还原完整的直方图，则为none。但如果想找到特定区域的直方图，必须自己创造一个掩码图像，然后将其掩码。
histSize：这代表我们的BIN计数。需要在方括号中给出，一般为256
range：这是我们的RANGE。通常情况下，它是[0,256]。

import cv2
import cv2 as cv
import numpy as np
from matplotlib import pyplot as pltimg = cv.imread(r'XXXXX')
img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)hist_full = cv.calcHist([img],[0],None,[256],[0,256] )plt.subplot(121), plt.imshow(img, 'gray')
plt.subplot(122), plt.plot(hist_full)plt.show()

mask的运用

（其实我认为实现这个功能，直接截取原图像生成新，再运用上述方法会更简单易懂）

import cv2
import cv2 as cv
import numpy as np
from matplotlib import pyplot as pltimg = cv.imread(r'XXXX')img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)# 创建一个掩码
mask = np.zeros(img.shape[:2], np.uint8)
mask[100:400, 100:400] = 255
masked_img = cv.bitwise_and(img,img,mask = mask)
# 计算带掩膜和不带掩膜的直方图
# 检查第三个参数的掩膜
hist_full = cv.calcHist([img],[0],None,[256],[0,256] )
hist_mask = cv.calcHist([img],[0],mask,[256],[0,256] )
plt.subplot(221), plt.imshow(img, 'gray')
plt.subplot(222), plt.imshow(mask,'gray')
plt.subplot(223), plt.imshow(masked_img, 'gray')
plt.subplot(224), plt.plot(hist_full),plt.plot(hist_mask)plt.show()

图像的均衡化

原理即matlab实现：

图像均衡化---MATLAB实现_独憩的博客-CSDN博客

opencv实现：

equ = cv.equalizeHist(img)

import cv2
import cv2 as cv
import numpy as np
from matplotlib import pyplot as pltimg = cv.imread(r'XXXX')img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
hist1 = cv.calcHist([img], [0], None, [256], [0, 256])equ = cv.equalizeHist(img)
hist2 = cv.calcHist([equ], [0], None, [256], [0, 256])
res = np.hstack((img, equ))  # stacking images side-by-side
plt.imshow(res, 'gray')
plt.show()plt.figure(2)
plt.subplot(1,2,1)
plt.plot(hist1)
plt.subplot(1,2,2)
plt.plot(hist2)

可以看到，均衡化之后的图片有部分地方太亮，丢失了一些信息，故我们可以OpenCV 中应用 CLAHE。

OpenCV 中应用 CLAHE：

clahe = cv.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
cl1 = clahe.apply(img)

原理简单来说就是给原图像划分了许多小方块，大小由tileGridSize决定，每个小方块内部都独立进行均衡化处理。

import cv2
import cv2 as cv
import numpy as np
from matplotlib import pyplot as pltimg = cv.imread(r'XXXXX')img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
hist1 = cv.calcHist([img], [0], None, [256], [0, 256])
equ = cv.equalizeHist(img)
clahe = cv.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
cl1 = clahe.apply(img)hist2 = cv.calcHist([equ], [0], None, [256], [0, 256])
hist3 = cv.calcHist([cl1], [0], None, [256], [0, 256])
res = np.hstack((img,cl1, equ))  # stacking images side-by-side
plt.imshow(res, 'gray')
plt.show()plt.figure(2)
plt.subplot(1,3,1)
plt.plot(hist1)
plt.subplot(1,3,2)
plt.plot(hist2)
plt.subplot(1,3,3)
plt.plot(hist3)
plt.show()

图像直方图及其均衡化--opencv相关推荐

【opencv学习】【图像直方图和均衡化】
今天学习图像直方图和图像均衡化一:图像直方图 import cv2 import numpy as np import matplotlib.pyplot as plt# 图像的直方图,就是统计哪些 ...
python库skimage 图像直方图局部均衡化
函数 from skimage import exposure from skimage.morphology import disk from skimage.filters import rank ...
opencv——图像直方图与反向投影
引言在图像处理中,对于直方图这个概念,肯定不会陌生.但是其原理真的可以信手拈来吗? 本文篇幅有点长,在此列个目录,大家可以跳着看: 分析图像直方图的概念,以及opencv函数calcHist()对于 ...
opencv 绘制图像直方图，实现直方图均衡化
直方图直方图简单来说就是图像中每个像素值的个数统计,比如说一副灰度图中像素值为0的有多少个,1的有多少个--直方图是一种分析图像的手段: 直方图计算 opencv库计算直方图使用 cv.calcH ...
OpenCV图像处理学习二十，图像直方图均衡化原理与实现
一.图像直方图的概念图像直方图,是指对整个图像在灰度范围内的像素值(0~255)统计出现频率次数,据此生成的直方图,称为图像直方图.直方图反映了图像灰度的分布情况,是图像的统计学特征.图像的灰度直方 ...
Python OpenCV学习笔记之：图像直方图均衡化
# -*- coding: utf-8 -*- """ 图像直方图均衡化 """ import cv2 import numpy as np ...
matlab 增加图像对比度_计算机视觉学习笔记6 图像直方图与直方图均衡化
图像的直方图图像直方图表示图像中每一种像素的个数,反映了图像中每种像素值出现的频率,是图像的基本统计特征之一,具有平移,旋转,缩放不变性,广泛应用于图像处理的各个领域.比如灰度图像的阈值分割,基于颜 ...
【OpenCV应用】python处理行李图像匹配项目——图像直方图应用与明暗变换
OpenCV--图像直方图与明暗变换应用记录图像直方图应用与明暗变换简单伽马变换与直方图显示 MASK特定区域直方图显示 OPENCV: 直方图均衡化有限对比度自适应直方图均衡二维直方图直方 ...
opencv python 实现灰度图像和彩色图像直方图全局均衡化和自适应均衡化
首先进行简单的灰度图像的全局均衡化和自适应均衡化 import cv2 as cv import numpy as npimg = cv.imread('cun.jpg',0)# 全局直方图均衡化 i ...
python opencv 直方图均衡_Python+OpenCV：全局直方图均衡化、局部直方图自适应均衡化、直方图比较(Python版)...
1. 全局直方图均衡化 cv2.equalizeHist(src, dst=None)函数只能处理单通道的数据,src为输入图像对象矩阵,必须为单通道的uint8类型的矩阵数据.直方图均衡化可以看作是 ...