python+opencv绘制直方图

直方图定义

• 横坐标:图像中各个像素点的灰度级
• 纵坐标:就有该灰度级的像素个数

归一化直方图

• 横坐标:图像中各个像素点的灰度级
• 纵坐标:出现这个灰度的概率

DIMS： 使用参数的数量

• dims = 1
  • 灰度直方图，仅仅一件事情，仅仅考虑灰度的情况
• BINS： 参数子集的数目

直方图绘制方法

pyplot绘制直方图

• pyplot提供了类似matlab的绘图框架

  • import matplolib.pyplot as plt

• 函数hist hist(数据源，像素级)

  • 功能： 根据数据源合金像素级绘制直方图
  • 数据源： 图像，必须是一维数组
    • 函数ravel b = a.ravel()
      • 功能： 将多维数组降为一维数组
      • 格式： 一维数组=多维数组.revel()
  • 像素级： 一般是256，指[0, 255]

opencv绘制直方图

• 统计直方图函数 calcHist

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

  • 参数
    • images : 原始图像
    • channels : 指定通道
      • 通道编号需要用中括号括起来
      • 输入图像是灰度图时，它的值为[0]
      • 彩色图像可以使[0],[1],[2]分别对应通道B，G，R。
    • mask : 掩码图像
      • 统计整幅图像的直方图，设为None。
      • 统计图像某一部分的直方图时，需要掩码图像
      • 生成掩码图像

        mask = np.zeros(image.shape, np.uint8)
        mask[200:400, 200:400] = 255
        

    • histSize : BINS的数量
    • ranges : 像素值返回RANGE
      • 像素值范围，例如：[0, 255]
    • accumulate : 累计标识
      • 默认值为false
      • 如果被设置为true,则直方图在开始分配时不会被清零
      • 该参数允许从多个对象中计算单个直方图，或者用户实施更新直方图
      • 多个直方图的累计结果，用户对一组图像计算直方图
  • 返回值
    • hist : 直方图
  • 使用pyplot绘制

生成掩膜图像

计算结果 = cv2.bitwise_and(图像1, 图像2)

• 例如：

  mask = np.zero(800, np.uint8)
  mask[300:500, 300:500] = 255
  masked_img = cv2.bitwise_and(img, mask)
  

直方图均衡化

• 理论基础
  • 前提： 如果一幅图像占有全部可能的灰度级，并且均匀分布。
  • 结论： 该图像具有高对比度和多变的灰度色调
  • 外观： 图像细节丰富，质量更高
• 算法
  • 计算累计直方图
  • 将累计直方图进行区间转换
  • 在累计直方图中，概率相近的原始值，会被处理为相同的值
• 应用场合
  • 医疗图像处理
  • 车牌识别
  • 人脸识别
• 均衡化函数equalizeHist dst = cv2.equalizeHist(src)
  • 参数
    • src : 源图像
  • 返回值
    • dst : 目标图像，处理结果
• 分栏函数subplot subplot(nrows, ncols, plot_number)
  • 参数
    • nrows : 行号
    • ncols : 列号
    • plot_number : 窗口序号
  • 示例： subplot(2, 3, 4)
  • 特例： 当每一个参数都小于10时，可以直接书写三个数字，表示为subplot(234)

实例

使用pyplot绘制直方图

import cv2
import matplotlib.pyplot as plt

o = cv2.imread("/home/forrest/图片/lena彩图.png", cv2.IMREAD_GRAYSCALE)
cv2.imshow("o", o)

plt.hist(o.ravel(), 256)
plt.show()

cv2.waitKey()
cv2.destroyAllWindows()

• 原图
  
• 直方图
  

使用calcHist生成灰度图像直方图

import cv2

img = cv2.imread("/home/forrest/图片/lena彩图.png", cv2.IMREAD_GRAYSCALE)
hist = cv2.calcHist([img], [0], None, [256], [0, 255])
print(type(hist))
print(hist.size)
print(hist.shape)

plt.plot(hist, color="r")
plt.show()

• 原始图像
  
• 输出结果

256
(256, 1)

• 输出直方图
  

使用calcHist生成彩色图像直方图

import cv2
import matplotlib.pyplot as plt

img = cv2.imread("/home/forrest/图片/lena彩图.png")
histb = cv2.calcHist([img], [0], None, [256], [0, 255])
histg = cv2.calcHist([img], [1], None, [256], [0, 255])
histr = cv2.calcHist([img], [2], None, [256], [0, 255])

plt.plot(histb, color="b")
plt.plot(histg, color="g")
plt.plot(histr, color="r")
plt.show()

• 原始图像
  
• 生成直方图
  

绘制掩码直方图

import cv2
import numpy as np
import matplotlib.pyplot as plt

image = cv2.imread("/home/forrest/图片/lena彩图.png", cv2.IMREAD_GRAYSCALE)

mask = np.zeros(image.shape, np.uint8)
mask[200:400, 200:400] = 255

histMI = cv2.calcHist([image], [0], mask, [256], [0, 255])
histImage = cv2.calcHist([image], [0], None, [256], [0, 255])

plt.plot(histImage)
plt.plot(histMI)
plt.show()

• 原始图像
  
• 绘制掩码直方图和整图直方图对比
  

生成掩膜图像

import cv2
import numpy as np

image = cv2.imread("/home/forrest/图片/lena彩图.png", 0)

mask = np.zeros(image.shape, np.uint8)
mask[200:400, 200:400] = 255

mi = cv2.bitwise_and(image, mask)
cv2.imshow("original", image)
cv2.imshow("mask", mask)
cv2.imshow("mi", mi)

cv2.waitKey()
cv2.destroyAllWindows()

• 原始图像
  
• 掩码图像
  
• 生成的掩膜图像
  

图像直方图均衡化

import cv2
import matplotlib.pyplot as plt

img = cv2.imread("/home/forrest/图片/lena彩图.png", cv2.IMREAD_GRAYSCALE)
equ = cv2.equalizeHist(img)

plt.subplot(221)
plt.imshow(img, plt.cm.gray)
plt.axis('off')

plt.subplot(222)
plt.hist(img.ravel(), 256)

plt.subplot(223)
plt.imshow(equ, plt.cm.gray)
plt.axis('off')

plt.subplot(224)
plt.hist(equ.ravel(), 256)

plt.show()

• 结果
  

pyplot显示彩色图像

import cv2
import matplotlib.pyplot as plt

img = cv2.imread("/home/forrest/图片/lena彩图.png")
b,g,r = cv2.split(img)
img2 = cv2.merge([r, g, b])

plt.subplot(121)
plt.imshow(img)
plt.axis('off')

plt.subplot(122)
plt.imshow(img2)
plt.axis('off')

plt.show()

• 结果