Python-OpenCV中的图像处理-直方图

直方图

• 通过直方图你可以对整幅图像的灰度分布有一个整体的了解。直方图的 x 轴是灰度值（ 0 到 255）， y 轴是图片中具有同一个灰度的点的数目。
• BINS：上面的直方图显示了每个灰度值对应的像素数。如果像素值为 0到255，你就需要 256 个数来显示上面的直方图。但是，如果你不需要知道每一个像素值的像素点数目的，而只希望知道两个像素值之间的像素点数目怎么办呢？举例来说，我们想知道像素值在 0 到 15 之间的像素点的数目，接着是 16 到31,…， 240 到 255。我们只需要 16 个值来绘制直方图。
• DIMS：表示我们收集数据的参数数目。在本例中，我们对收集到的数据只考虑一件事：灰度值。所以这里就是 1。
• RANGE：就是要统计的灰度值范围，一般来说为 [0， 256]，也就是说所有的灰度值。

统计直方图

• cv2.calcHist()：OpenCV统计直方图
  cv2:calcHist(images; channels; mask; histSize; ranges[; hist[; accumulate]])
  1. images: 原图像（图像格式为 uint8 或 float32）。当传入函数时应该
     用中括号 [] 括起来，例如： [img]。
  2. channels: 同样需要用中括号括起来，它会告诉函数我们要统计那幅图
     像的直方图。如果输入图像是灰度图，它的值就是 [0]；如果是彩色图像
     的话，传入的参数可以是 [0]， [1]， [2] 它们分别对应着通道 B， G， R。
  3. mask: 掩模图像。要统计整幅图像的直方图就把它设为 None。但是如
     果你想统计图像某一部分的直方图的话，你就需要制作一个掩模图像，并
     使用它。（后边有例子）
  4. histSize:BIN 的数目。也应该用中括号括起来，例如： [256]。
  5. ranges: 像素值范围，通常为 [0， 256]

  img = cv2.imread(‘home.jpg’,0)
  #别忘了中括号 [img],[0],None,[256],[0,256]，只有 mask 没有中括号
  hist = cv2.calcHist([img],[0],None,[256],[0,256])
  hist 是一个 256x1 的数组，每一个值代表了与次灰度值对应的像素点数目。

• np.histogram()：Numpy统计直方图
• np.bincount():Numpy统计直方图(一维直方图，速度快)

#img.ravel() 将图像转成一维数组，这里没有中括号。
hist,bins = np.histogram(img.ravel(),256,[0,256])
Numpy 还 有 一 个 函 数 np.bincount()， 它 的 运 行 速 度 是
np.histgram 的 十 倍。 所 以 对 于 一 维 直 方 图， 我 们 最 好 使 用 这 个函 >数。 使 用 np.bincount 时 别 忘 了 设 置 minlength=256。
hist=np.bincount(img.ravel()， minlength=256)

绘制直方图

有两种方法来绘制直方图：

1. Short Way（简单方法）：使用 Matplotlib 中的绘图函数。
2. Long Way（复杂方法）：使用 OpenCV 中的绘图函数。

使用 Matplotlib 中的绘图函数(简单)

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

img = cv2.imread('./resource/opencv/image/leuvenA.jpg', cv2.IMREAD_GRAYSCALE)
plt.hist(img.ravel(), 256, [0, 256])
plt.show()

使用 OpenCV 中的绘图函数（复杂）