直方图(histogram)是灰度级的函数,描述的是图像中每种灰度级像素的个数,反映图像中每种灰度出现的频率。横坐标是灰度级,纵坐标是灰度级出现的频率
- cv2.calcHist(images,channels,mask,histSize,ranges)
images: 原图像图像格式为 uint8 或 float32。当传入函数时应 用中括号 [] 括来例如[img]
channels: 同样用中括号括来它会告函数我们统幅图 像的直方图。如果入图像是灰度图它的值就是 [0]如果是彩色图像 的传入的参数可以是 [0][1][2] 它们分别对应着 BGR。
mask: 掩模图像。统整幅图像的直方图就把它为 None。但是如 果你想统图像某一分的直方图的你就制作一个掩模图像并 使用它。
histSize:BIN 的数目。也应用中括号括来
ranges: 像素值范围常为 [0-256]
import cv2 #opencv读取的格式是BGR
import numpy as np
import matplotlib.pyplot as plt#Matplotlib是RGB
%matplotlib inline
def cv_show(img,name):
cv2.imshow(name,img)
cv2.waitKey()
cv2.destroyAllWindows()
img = cv2.imread('cat.jpg',0) #0表示灰度图
hist = cv2.calcHist([img],[0],None,[256],[0,256])
# hist.shape # (256,1) 256指0-255的256个像素; 1指1维,像素x 多少多少个
plt.hist(img.ravel(),256); # 此处不显示图像,用plt展示方便,若用cv2,要进行颜色转换
plt.show()
分别显示3个颜色通道的直方图
img = cv2.imread('cat.jpg')
color = ('b','g','r')
for i,col in enumerate(color):
histr = cv2.calcHist([img],[i],None,[256],[0,256])
plt.plot(histr,color = col) #波形图
plt.xlim([0,256]) #轴范围
mask 操作 (掩模)
img = cv2.imread('cat.jpg', 0)
#创建mask
mask = np.zeros(img.shape[:2], np.uint8)
mask[100:300, 100:400] = 255
cv_show(mask,'mask')
masked_img = cv2.bitwise_and(img, img, mask=mask) #与操作
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()
直方图均衡化 clahe
equalize :均衡
clahe :直方图均衡化
img = cv2.imread('clahe.jpg',0) #0表示灰度图 #clahe
plt.hist(img.ravel(),256);
plt.show()
img = cv2.imread('clahe.jpg',0) #0表示灰度图 #clahe
equ = cv2.equalizeHist(img) #均衡化
plt.hist(equ.ravel(),256)
plt.show()
img = cv2.imread('clahe.jpg',0) #0表示灰度图 #clahe
equ = cv2.equalizeHist(img)
res = np.hstack((img,equ)) #均衡前后
cv_show('res',res)
**自适应直方图均衡化 **
img = cv2.imread('clahe.jpg',0) #0表示灰度图 #clahe
equ = cv2.equalizeHist(img) #均衡化
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8)) #生成均衡化的方法
res_clahe = clahe.apply(img)
res = np.hstack((img,equ,res_clahe))
cv_show('res',res)