图像直方图及其均衡化--opencv

直方图

图像直方图指的是描述图像的强度分布，一般来说横轴为0-255，纵轴为横轴像素值对应的像素个数。

opencv直方图

img = cv.imread('XXX')
hist = cv.calcHist([img],[0],None,[256],[0,256])

参数说明： 

1. images : 类型为int8或float32的源图片。
2. 图像图层索引。如果输入的是灰度图像，则是[0]。对于彩色图像，通过[0] 、[1]或[2]来分别计算蓝色、绿色或红色通道的直方图。
3. mask：掩膜图像。要还原完整的直方图，则为none。但如果想找到特定区域的直方图，必须自己创造一个掩码图像，然后将其掩码。 
4. histSize：这代表我们的BIN计数。需要在方括号中给出，一般为256
5. range：这是我们的RANGE。通常情况下，它是[0,256]。

import cv2
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt

img = cv.imread(r'XXXXX')
img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

hist_full = cv.calcHist([img],[0],None,[256],[0,256] )

plt.subplot(121), plt.imshow(img, 'gray')
plt.subplot(122), plt.plot(hist_full)

plt.show()

 

---

 

 mask的运用

 （其实我认为实现这个功能，直接截取原图像生成新，再运用上述方法会更简单易懂）

import cv2
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt

img = cv.imread(r'XXXX')

img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)

# 创建一个掩码
mask = np.zeros(img.shape[:2], np.uint8)
mask[100:400, 100:400] = 255
masked_img = cv.bitwise_and(img,img,mask = mask)
# 计算带掩膜和不带掩膜的直方图
# 检查第三个参数的掩膜
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.show()

 图像的均衡化

原理即matlab实现：

图像均衡化---MATLAB实现_独憩的博客-CSDN博客

opencv实现：

equ = cv.equalizeHist(img)

import cv2
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt

img = cv.imread(r'XXXX')

img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
hist1 = cv.calcHist([img], [0], None, [256], [0, 256])

equ = cv.equalizeHist(img)
hist2 = cv.calcHist([equ], [0], None, [256], [0, 256])
res = np.hstack((img, equ))  # stacking images side-by-side
plt.imshow(res, 'gray')
plt.show()

plt.figure(2)
plt.subplot(1,2,1)
plt.plot(hist1)
plt.subplot(1,2,2)
plt.plot(hist2)

 

 可以看到，均衡化之后的图片有部分地方太亮，丢失了一些信息，故我们可以OpenCV 中应用 CLAHE。

OpenCV 中应用 CLAHE：

clahe = cv.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
cl1 = clahe.apply(img)

原理简单来说就是给原图像划分了许多小方块，大小由tileGridSize决定，每个小方块内部都独立进行均衡化处理。

import cv2
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt

img = cv.imread(r'XXXXX')


img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
hist1 = cv.calcHist([img], [0], None, [256], [0, 256])
equ = cv.equalizeHist(img)
clahe = cv.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
cl1 = clahe.apply(img)

hist2 = cv.calcHist([equ], [0], None, [256], [0, 256])
hist3 = cv.calcHist([cl1], [0], None, [256], [0, 256])
res = np.hstack((img,cl1, equ))  # stacking images side-by-side
plt.imshow(res, 'gray')
plt.show()

plt.figure(2)
plt.subplot(1,3,1)
plt.plot(hist1)
plt.subplot(1,3,2)
plt.plot(hist2)
plt.subplot(1,3,3)
plt.plot(hist3)
plt.show()