图像直方图的原理及代码实现_图像直方图原理-CSDN博客

本文链接：https://blog.csdn.net/AI_dataloads/article/details/133917749

一、图像直方图的基本概念

图像直方图（Histogram）是一种统计报告图，它通过一系列高度不等的纵向条纹或线段表示图像数据的分布情况。通常，横轴表示数据类型，纵轴表示分布情况。对于灰度图像，直方图显示的是不同灰度级别的像素数量分布；对于彩色图像，直方图可以按通道分别显示R、G、B三个颜色通道的像素数量分布，也可以合并显示彩色图像的像素数量分布。

构建直方图需要将图像数据的范围分段，然后计算每个段落的像素数量。对于灰度图像，通常将像素灰度值从0到255分成256个段，然后统计每个段落的像素数量；对于彩色图像，可以按通道（R、G、B）分别进行统计，也可以将三个通道的像素数量合并后再进行统计。

二、代码部分

1.代码解读

cv2.calcHist(images,channels,mask,histSize,ranges)

images: 原图像图像格式为 uint8 或 ﬂoat32。当传入函数时应用中括号 [] 括来例如[img]
channels: 表示传入的图像通道数。如果输入图像是灰度图它的值就是 [0]。如果是彩色图像的传入的参数可以是 [0][1][2] 它们分别对应着 BGR。
mask: 掩模图像。统计整幅图像的直方图就把它为None。但是如果你想统计图像某一部分的直方图，你就制作一个掩模图像并使用它。
histSize:BINS的数目。也需用中括号括来10
BINS ：上面的直方图显示了每个像素值的像素数，即从0到255。即您需要256个值才能显示上述直方图。
但是请考虑一下，如果您不需要单独查找所有像素值的像素数，而是在像素值间隔内查找像素数，
该怎么办？例如，您需要找到介于 0 到 15 之间的像素数，然后是 16 到 31、...、240 到 255。
您只需要 16 个值来表示直方图。
因此，只需将整个直方图拆分为 16 个子部分，每个子部分的值就是其中所有像素计数的总和。这每个子部分都称为"BIN"。在第一种情况下，条柱数为256（每个像素一个），而在第二种情况下，它只有16。BINS 在 OpenCV 文档中由术语histSize表示。
ranges: 像素值范围常为 [0 256]

2.完整代码

phone = cv2.imread('mx.png',cv2.IMREAD_GRAYSCALE)
phone_hist = cv2.calcHist([phone],[0],None,[16],[0,256])
a = phone.ravel()
plt.hist(a, bins=256)#numpy中的ravel将数组多维度拉成一维数组
plt.show()

plt.plot(phone_hist)#使用calcHist的值绘制曲线图
plt.show()


#绘制三个通道的直方图曲线
img = cv2.imread('phone.png')
color = ('b', 'g', 'r')
for i, col in enumerate(color):
    histr = cv2.calcHist([img], [i], None, [256], [0, 256])
    plt.plot(histr, color=col)
plt.show()

运行结果：

绘制了mx.png的一维灰度图直方图