【计算机视觉Python-OPenCV】3.颜色直方图

颜色直方图

颜色直方图作用

1.直方图是一种能快速描述图像整体像素值分布的统计信息。
也就是说明某一像素值范围的像素点的个数，X轴为像素值，Y为个数。

2.直方图只能描述颜色的分布，不能描述数据几何上的信息。
也就是只知道这个像素值范围的点的个数是多少，但是不知道哪个位置上上这个点多。

绘制颜色直方图

由于图像数据是numpy的ndarray形式，因此可以用numpy的histogram得到直方图的信息，再用matplotlib绘制出图像。

绘制灰度图像直方图

img_gray_data = cv2.imread('./images/messi.jpg', cv2.IMREAD_GRAYSCALE) #读入灰度图像

#img_gray_data.ravel()的ravel是把图像由二维变成1维
hist, bins = np.histogram(img_gray_data.ravel(), bins=10) #通过histogram就可以得到每段像素值范围bins的像素点个数hist
print(hist) 
#得到[20458 34568 33355 28645 41040 15380  8186  3597  1212   975]
print(bins)
# 得到[  0.   25.3  50.6  75.9 101.2 126.5 151.8 177.1 202.4 227.7 253. ]

绘制直方图

plt.hist(img_gray_data.ravel(), bins=50);

绘制彩色图像直方图

因为彩色图像有三个通道，我们可以把它的三个通道分别取出来进行绘制。则可以看每个通道上像素的分布，得到原图中哪种颜色比较多。

# 彩色图像直方图
img_bgr_data = cv2.imread('./images/messi.jpg')
plt.figure(figsize=(15, 5)) #设置画布的大小
# B通道 直方图
ax1 = plt.subplot(131)
ax1.hist(img_bgr_data[:, :, 0].ravel(), bins=50, color='b')
# G通道 直方图
ax2 = plt.subplot(132)
ax2.hist(img_bgr_data[:, :, 1].ravel(), bins=50, color='g')
# R通道 直方图
ax3 = plt.subplot(133)
ax3.hist(img_bgr_data[:, :, 2].ravel(), bins=50, color='r')

由下面的彩色图像直方图可以看出，原图中的绿色较多，蓝色和红色相对较少。

直方图均衡化

直方图均衡化的作用

增强图像数据的对比度有利于特征的提取，不论是从肉眼还是算法来看都有帮助。
直方图均衡化可以自动调整图像的对比度。
如下图整个图片灰蒙蒙的，很多细节性的东西都看不太清。我们首先画一下它的直方图，来看一下像素分布情况。

绘制上图的直方图

wiki_img = cv2.imread('./images/wiki.jpg', cv2.IMREAD_GRAYSCALE)

cv2.imshow('wiki_img', wiki_img)
cv2.waitKey(0)
cv2.destroyAllWindows()
plt.hist(wiki_img.ravel(), bins=256, range=[0, 256])
plt.show()

由直方图可以看到它的像素都集中在100到200之间，因此整个图片看起来非常不清楚。因此我们就需要通过一种方法让他的直方图均匀分布在0到255之间，这种方法就是直方图均衡化。

直方图均衡化的方法

cv2.equalizeHist

equ_wiki_img = cv2.equalizeHist(wiki_img) #进行直方图均衡化

cv2.imshow('equ_wiki_img', equ_wiki_img) #显示均衡化的图
cv2.waitKey(0)
cv2.destroyAllWindows()

plt.hist(equ_wiki_img.ravel(), bins=256, range=[0, 256]) #画出均衡化后的直方图
plt.show()

可以明显看到通过直方图均衡化，让图像的像素均匀分布后，图片变得清晰了。