直方图基于OpenCV4

直方图基于OpenCV4

图像直方图是图像的重要统计特征，是表示数字图像中的每一灰度级与该灰度级出现的频数(该灰度级的数目)间的统计关系。按照直方图定义可表示为：
$$P(r_k)=\frac{n_k}{N}(k=0,1,2,\cdots ,L-1)$$
式中：$N$为一幅图像的总像素数；$n_k$为第$k$级灰度的像素数；$r_k$为第$k$级灰度级；$L$为灰度级数；$P(r_k)$为该灰度级出现的概率。
直方图具有以下性质：
（1）直方图是图像的一维信息描述
在直方图中，由于他只能反应图像的灰度范围、灰度级的分布、整幅图像的平均亮度等信息，而未能反应图像某一灰度值像素所在的位置，从而失去了图像的二维特征。
（2）灰度直方图与图像的映射关系并不唯一
该性质可基于性质一，由于直方图不包含空间位置信息，一张灰度直方图可对应多张图像，但一张图像只能对应一张灰度直方图。

例如，上述两张图象在灰度像素数目相同的情况下，对应同一张灰度直方图。
（3）直方图满足叠加性
如果已知直方图被分割成几个区域后的各个区域的直方图，则把他们加起来就可得到这个图像的直方图。

我们常常基于opencv进行直方图的计算和绘制。
OpenCV4提供了函数cv.calcHist(),该函数能够统计出图象中的每个像素的个数：

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

• images：待统计直方图的图像数组，数组中所有的图像应具有相同的尺寸和数据类型，并且数据类型只能是CV_8U、CV_16U和CV_32F三种中的一种，但是不同图像的通道数可以不同。
• channels：需要统计的通道索引数组，第一个图像的通道索引从0到images[0].channels()-1，第二个图像通道索引从images[0].channels()到images[0].channels()+ images[1].channels()-1，以此类推。
• mask：可选的操作掩码，如果是空矩阵则表示图像中所有位置的像素都计入直方图中，如果矩阵不为空，则必须与输入图像尺寸相同且数据类型为CV_8U。
• hist：输出的统计直方图结果，是一个dims维度的数组。
• ranges：每个图像通道中灰度值的取值范围
• accumulate：是否累积统计直方图的标志，如果累积（true），则统计新图像的直方图时之前图像的统计结果不会被清除，该同能主要用于统计多个图像整体的直方图。
  调用该函数后可得到图像中任意灰度级的像素频数，我们可依托Matplotlib库对生成的数列绘制灰度直方图。

import cv2 as cv
import sys
import numpy as np
from matplotlib import pyplot as plt
np.set_printoptions(suppress=True)

if __name__=='__main__':
    #这里读入的三通道的图像，我们计算灰度直方图的时候需要每个通道单独处理
    image=cv.imread('OIP-C.jfif')
    cv.imshow('image',image)

    if image is None:
        print("Failed to read image")
        sys.exit()
    color=('r','g','b')
    for i,col in enumerate(color):
        #这里hist为每个通道的像素频数，如果需要概率值，需要除以每个通道的像素总数
        hist = cv.calcHist([image], [i], None, [256], [0, 256])*3/image.size
        plt.plot(hist,color=col)
    #_,_,_=plt.hist(x=image.ravel(),bins=256,range=[0,256])
    cv.imshow('image',image)
    plt.show()
    cv.waitKey(0)
    cv.destroyAllWindows()

对于彩色图像来说，如果仅仅考虑灰度直方图的话不能满足我们的需求，因此我们通常考虑图像的色调和饱和度，并根据则两个特征进行2D直方图统计。
类似于一维直方图计算，2D直方图的计算同样使用函数cv.calcHist()函数，但在计算之前，需要将图像从BGR格式转化为HSV格式，且其中的几个参数需要进行相应的修改。其中，channels表示需要统计H和S两个通道，值为[0,1];histSize为[180,256],其中180代表H通道，256代表S通道；ranges为[0,180,0,256]

import cv2 as cv
import sys
import numpy as np
from matplotlib import pyplot as plt
np.set_printoptions(suppress=True)

if __name__=='__main__':
    #这里读入的三通道的图像，我们计算灰度直方图的时候需要每个通道单独处理
    image=cv.imread('OIP-C.jfif')
    cv.imshow('image',image)
    image_hsv=cv.cvtColor(image,cv.COLOR_BGR2HSV)

    if image is None:
        print("Failed to read image")
        sys.exit()


    #这里hist为每个通道的像素频数，如果需要概率值，需要除以每个通道的像素总数
    hist = cv.calcHist([image_hsv], [0,1], None, [180,256], [0,180,0,256])
    plt.imshow(image_hsv)
    #_,_,_=plt.hist(x=image.ravel(),bins=256,range=[0,256])
    plt.imshow(hist,interpolation='nearest')
    plt.show()
    cv.waitKey(0)
    cv.destroyAllWindows()

生成2D直方图如下：