1灰度直方图

灰度直方图histogram： 是反映一幅图像中各灰度级像素出现的频率与灰度级的关系，以灰度级为横坐标，频率为纵坐标，绘制频率同灰度级的关系图像就是一幅灰度图像的直方图。 简单地说，就是把一幅图像中每一个像素出现的次数都先统计出来，然后把每一个像素出现的次数除以总的像素个数，得到的就是这个像素出现的频率，然后再把像素与该 像素出现的频率用图表示出来，就是灰度直方图。       直方图的一些性质：  1)灰度直方图只能反映图像的灰度分布情况，而不能反映图像像素的位置，即丢失了像素的位置信息  2)一幅图像对应唯一的灰度图像图，但是不同的图像可对应相同的直方图，如下   黑白黑白黑白    黑白黑白黑白   黑白黑白黑白    白黑白黑白黑   黑白黑白黑白    黑白黑白黑白   黑白黑白黑白    白黑白黑白黑  3)一幅图像分成多个区域，多个区域的直方图之和即为原图像的直方图  直方图有一个应用就是它可以确定图像二值化的阈值。当我们的发现某一幅图像的灰度直方图中有两个波峰，有一个波谷的话，那么这个波谷就可以作为这幅图像二值化的阈值 1.2 灰度直方图作用   1）在使用轮廓线确定物体边界时，通过直方图更好的选择边界阈值，进行阈值化处理；   2）对物体与背景有较强对比的景物的分割特别有用；   3）简单物体的面积和综合光密度IOD可以通过图像的直方图求得。

 

matplotlib库 绘制直方图-hist()

hist(数据源, 像素级)

其中，参数：

数据源：必须是一维数组，通常需要通过函数 ravel() 拉直图像

像素级：一般是256，表示[0, 255]

函数 ravel() 将多维数组降为一维数组，其格式为：

一维数组 = 多维数组.ravel()

代码如下所示：

1. import cv2
2. import numpy as np
3. import matplotlib.pyplot as plt
4. src = cv2.imread('zxp.jpg')   
5. cv2.imshow("src", src)
6. plt.hist(src.ravel(), 256)
7. plt.show()
8. cv2.waitKey(0)
9. cv2.destroyAllWindows()

运行结果如下图所示：

OpenCV库 绘制直方图-calcHist()

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

其中，参数：

hist 表示直方图，返回的是一个二维数组；

images 表示原始 图像；

channels 表示指定通道，通道编号需要用中括号括起，输入图像是灰度图像时，它的值为[0]，彩色图像则为[0]、[1]、[2]，分别表示B、G、R；

mask 表示掩码图像，统计整副图像的直方图，设为None，统计图像的某一部分直方图时，需要掩码图像；

histSize 表示BINS的数量，参数子集的数目，如下图当bins=3表示三个灰度级；

 

ranges 表示像素值范围，例如[0, 255]；

accumulate 表示累计叠加标识，默认为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，或者用于实时更新直方图；多个直方图的累积结果用于对一组图像的直方图计算

 

1. 计算图像灰度级的基本大小、形状及内容

代码如下所示：

1. #encoding:utf-8
2. import cv2
3. import numpy as np
4. import matplotlib.pyplot as plt
5. src = cv2.imread('zxp.jpg')
6. # 参数:原图像 通道[0]-B 掩码 BINS为256 像素范围0-255
7. hist = cv2.calcHist([src], [0], None, [256], [0,255])
8. print('type=',type(hist))
9. print('size=',hist.size)
10. print('shape=',hist.shape)
11. print("-------------------")
12. print('hist=',hist)

运行结果如下图所示：

 

补充：matplotlib库 绘制图像

 

代码如下所示：

1. #encoding:utf-8
2. import cv2
3. import numpy as np
4. import matplotlib.pyplot as plt

 

1. #绘制sin函数曲线
2. x1 = np.arange(0, 6, 0.1)
3. y1 = np.sin(x1)
4. plt.plot(x1, y1)

 

1. #绘制坐标点折现
2. x2 = [0, 1, 2, 3, 4, 5, 6]
3. y2 = [0.3, 0.4, 2.5, 3.4, 4, 5.8, 7.2]
4. plt.plot(x2, y2)

 

1. #省略有规则递增的x2参数
2. y3 = [0, 0.5, 1.5, 2.4, 4.6, 8]
3. plt.plot(y3, color="r")

 

1. plt.show()

 

运行结果如下图所示：

使用OpenCV库 中的 calcHist() 函数 计算B、G、R通道的灰度级并绘制图形

代码如下所示：

1. #encoding:utf-8
2. import cv2
3. import numpy as np
4. import matplotlib.pyplot as plt

 

1. src = cv2.imread('zxp.jpg')

 

1. histb = cv2.calcHist([src], [0], None, [256], [0,255])
2. histg = cv2.calcHist([src], [1], None, [256], [0,255])
3. histr = cv2.calcHist([src], [2], None, [256], [0,255])

 

1. cv2.imshow("src", src)

 

1. plt.plot(histb, color='b')
2. plt.plot(histg, color='g')
3. plt.plot(histr, color='r')
4. plt.show()

 

1. cv2.waitKey(0)
2. cv2.destroyAllWindows()

运行结果如下图所示：