import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np
def cv_show(name,img):
cv.imshow(name,img)
cv.waitKey(0)
cv.destroyAllWindows()
#直方图定义
def cv_hist(img):
#第二个参数[0]为灰度图，[0][1][2]为彩色图像分别对应BGR。
#第三个参数为掩模图像。统整幅图像的直方图就把它为 None。但如果要统计图像某一部分的直方图，就需要制作一个掩模图像使用。
#第四个参数为BIN的数目，第五个参数为像素值范围常为[0,256]。
hist = cv.calcHist([img], [0], None, [256], [0, 256])
print(hist.shape) # (256, 1)
plt.hist(img.ravel(), 256)
plt.show()
def cv_histr():
img = cv.imread('D://cat.png')
color = ('b', 'g', 'r')
for i, col in enumerate(color):
histr = cv.calcHist([img], [i], None, [256], [0, 256])
plt.plot(histr, color=col)
plt.xlim([0, 256])
plt.show()
def cv_mask():
img = cv.imread('D://cat.png', 0)
mask = np.zeros(img.shape[:2], np.uint8)
print(mask.shape)
mask[100:300, 100:400] = 255#将部分区域改为白色，掩膜
masked_img = cv.bitwise_and(img,img,mask=mask)#两图片进行与操作
hist_full = cv.calcHist([img], [0], None, [256], [0, 256])
hist_mask = cv.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
def cv_equ():
img = cv.imread('D://clahe.png', 0) # 0表示灰度图 #clahe
plt.hist(img.ravel(), 256)
plt.show()
equ = cv.equalizeHist(img)
plt.hist(equ.ravel(), 256)
plt.show()
res = np.hstack((img,equ))
cv_show('res',res)
#自适应直方图均衡化
def cv_equ1():
img = cv.imread('D://clahe.png', 0) # 0表示灰度图 #clahe
plt.hist(img.ravel(), 256)
plt.show()
equ = cv.equalizeHist(img)
plt.hist(equ.ravel(), 256)
plt.show()
res = np.hstack((img, equ))
cv_show('res', res)
clahe = cv.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))#按块均衡
res_clahe = clahe.apply(img)
res = np.hstack((img, equ, res_clahe))
cv_show('res',res)
img = cv.imread('D://cat.png',0)
#cv_hist(img)
#cv_histr()
#cv_mask()
#cv_equ()
cv_equ1()
