灰度图像的直方图可以调用matplotlib.pyplot库来进行,其中的hist函数可以直接绘制直方图。
n, bins, patches = plt.hist(arr, bins=10, density=0, facecolor=‘black’, edgecolor=‘black’)
hist的参数非常多,但只有第一个是必须的。
arr: 需要计算直方图的一维数组
bins: 直方图的柱数,可选项,默认为10
density: 是否将得到的直方图向量归一化。默认为0
facecolor: 直方图颜色
edgecolor: 直方图边框颜色
返回值 :
n: 直方图向量,是否归一化由参数density设定
bins: 返回各个bin的区间范围
patches: 返回每个bin里面包含的数据,是一个list
例1:读入灰度图像,画出直方图,代码示例如下:
from skimage import data,io
import matplotlib.pyplot as plt
img=data.coffee()
plt.figure('image')
io.imshow(img)
plt.title('coffee')
plt.show()
plt.figure('hist')
arr=img.flatten()# 二维数组序列化成一维数组
plt.hist(arr, bins=256, density=1,edgecolor='None',facecolor='blue')
plt.title('histogram')
plt.show()
其中的flatten()函数是numpy包里面的,用于将二维数组序列化成一维数组。
是按行序列,如
mat=[[1 2 3
4 5 6]]
经过 mat.flatten()后,就变成了
mat=[1 2 3 4 5 6]
一般来说直方图都是针对灰度图像的,如果要画RGB图像的三通道直方图,实际上就是三个直方图的叠加。
例2:读入彩色图像,画出直方图,代码示例如下:
from skimage import data
import matplotlib.pyplot as plt
img=data.coffee()
ar=img[:,:,0].flatten()
plt.hist(ar, bins=256, density=1,facecolor='r',edgecolor='r')
ag=img[:,:,1].flatten()
plt.hist(ag, bins=256, density=1, facecolor='g',edgecolor='g')
ab=img[:,:,2].flatten()
plt.hist(ab, bins=256, density=1, facecolor='b',edgecolor='b')
plt.show()
如果一幅图像的像素占有很多的灰度级而且分布均匀,那么这样的图像往往有高对比度和多变的灰度色调。直方图均衡化就是一种能仅靠输入图像直方图信息自动达到这种效果的变换函数。它的基本思想是对图像中像素个数多的灰度级进行展宽,而对图像中像素个数少的灰度进行压缩,从而扩展取值的动态范围,提高了对比度和灰度色调的变化,使图像更加清晰。
直方图均衡化函数:exposure.equalize_hist(img)
例3:读入灰度图像,画出直方图,对直方图做均衡化处理,画出处理后的直方图,及处理后的图像。代码示例如下:
from skimage import data,exposure
import matplotlib.pyplot as plt
img=data.moon()
plt.figure('hist',figsize=(8,8))
arr=img.flatten()
plt.subplot(221)
plt.imshow(img,plt.cm.gray) #原始图像
plt.subplot(222)# 表示将整个图像窗口分为2行2列, 当前位置为2
plt.hist(arr, bins=256, density=1,edgecolor='None',facecolor='red') #原始图像直方图
img1=exposure.equalize_hist(img)
arr1=img1.flatten()
plt.subplot(223)
plt.imshow(img1,plt.cm.gray) #均衡化图像
plt.subplot(224)
plt.hist(arr1, bins=256, density=1,edgecolor='None',facecolor='red') #均衡化直方图
plt.show()
每日“大饼”:
时代的考题已经列出 我们的答案正在写就