一、图像直方图显示（python）

1. 图像处理中绘制图像直方图往往是观察和处理图像的利器之一。

2. 直方图的观察方面的基本知识：

   • 横坐标代表着灰度级、纵坐标是该灰度值在图像中出现的概率或者次数。
   • 直方图的型态为斜态和峰态，斜态指的是直方图的不对称的程度，峰态表示的是直方图的分布在均值周围的集中程度。
   • 直方图可以基本上反映出图像对比度的基本情况。

3. 直方图的基本性质

   • 直方图没有位置信息。
   • 直方图反映了总体灰度分布。
   • 直方图具有可叠加性。
   • 直方图具有统计性。

不多BB，上代码：

实现一：

from PIL import Image
from pylab import *
import cv2
from tqdm import tqdm
def Rgb2gray(image):
    h = image.shape[0]
    w = image.shape[1]
    grayimage  = np.zeros((h,w),np.uint8)
    for i in tqdm(range(h)):
        for j in range(w):
            grayimage [i,j] = 0.144*image[i,j,0]+0.587*image[i,j,1]+0.299*image[i,j,1]
    return grayimage
# 读取图像到数组中，并灰度化
image = cv2.imread("peng.png")

im = array(Image.open('peng.png').convert('L'))
# 直方图图像
# flatten可将二维数组转化为一维
hist(image.flatten(), 128)
# 显示
show()

显示效果图如下：

实现方法二：

import cv2
import matplotlib.pyplot as plt
import numpy as np
import math
import os
import pandas as pd
from tqdm import tqdm

# 绘制直方图函数
def grayHist(img):
    h, w = img.shape[:2]
    pixelSequence = img.reshape([h * w, ])
    numberBins = 256
    histogram, bins, patch = plt.hist(pixelSequence, numberBins,
                                      facecolor='black', histtype='bar')
    plt.xlabel("gray label")
    plt.ylabel("number of pixels")
    plt.axis([0, 255, 0, np.max(histogram)])
    plt.show()

image = cv2.imread("peng.png",0)
grayHist(image)

显示效果如下：