python opencv histogram_直方图

histogram给出图像的密度分布的总体概念，它的x轴是像素值（0到255）y轴是对应的像素在图像里的数量。

cv2.calcHist()函数

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

1.images:这是uint8或者float32的原图。应该是方括号方式传入：“[img]”

2.channels:也是用方括号给出的，我们计算histogram的channel的索引，比如，如果输入时灰度图，值就是[0]，对于彩色图片，你可以传[0],[1]和[2]来分别计算蓝色，绿色和红色通道的histogram。

3.mask：掩图，要找到整个图像的histogram，这里传入"None"。但是如果你想找到特定区域图片的histogram，就得创建一个掩图

4.histSize：BIN数量，需要用户方括号传入，对于全刻度，我们传入[256].

5.ranges：RANGE，一般来说是[0,256].

Numpy np.histogram() 和np.bincount()

hist,bins=np.histogram(img.ravel(),256,[0,256])

hist = np.bincount(img.ravel(), minlength=256)

import cv2
from matplotlib import pyplot as plt
img=cv2.imread('touxiang.jpg',0)
hist=cv2.calcHist([img],[0],None,[256],[0,256])

# 绘制直方图

# 使用Matplotlib绘制函数
# matplotlib.pyplot.hist()  它直接找到histogram然后绘制
import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('beijing.jpg',0)
plt.hist(img.ravel(),256,[0,256]); plt.show()#将多维数组降位一维 numpy.ravel()返回视图，在原图操作  与numpy.flatten()返回拷贝，对原图没影响

# 绘制直方图

# 使用Matplotlib绘制函数
# matplotlib的普通绘图，对于BGR绘图不错，但你需要先找到histogram。

img = cv2.imread('smallpig.jpg')
color = ('b','g','r')
for i,col in enumerate(color):#对于一个可迭代的（iterable）/可遍历的对象（如列表、字符串），enumerate将其组成一个索引序列，利用它可以同时获得索引和值

    histr = cv2.calcHist([img],[i],None,[256],[0,256])
    plt.plot(histr,color = col)
    plt.xlim([0,256])
plt.show()

# 使用OpenCV
# 你调整了histogram的值，你可以用cv2.line()或者cv2.polyline()函数来生成

# 使用mask，区域直方图

img = cv2.imread('touxiang.jpg',0)
print(img.shape[:2])
# create a mask
mask = np.zeros(img.shape[:2], np.uint8)
mask[100:300, 100:400] = 255
masked_img = cv2.bitwise_and(img,img,mask = mask)

# Calculate histogram with mask and without mask
# Check third argument for mask
hist_full = cv2.calcHist([img],[0],None,[256],[0,256])
hist_mask = cv2.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.xlim([0,256])

plt.show()

(571, 580)