目标
通过本篇文章,你将学习到以下内容:
- 使用OpenCV和Numpy函数查找直方图
- 使用OpenCV和Matplotlib函数绘制直方图
- 你将学习到以下函数:cv.calcHist(),np.histogram()等
- 掩码在直方图中的应用
1. 直方图是什么
直方图是什么?你可以将直方图视为图形或绘图,从而可以总体了解图像的强度分布。它是在X轴上具有像素值(不总是从0到255的范围),在Y轴上具有图像中相应像素所占数量的图,如下图1所示。通过查看图像的直方图,您可以直观地了解该图像的对比度,亮度,强度分布等。
从上图中(此直方图是针对灰度图像而非彩色图像绘制的)可以看到,直方图的左侧区域显示图像中较暗像素的数量,而右侧区域则显示明亮像素的数量,显然,直方图中暗区域多于亮区域,而中间像素值的数量(例如127附近)则非常少。
2. 查找直方图
现在我们对直方图有了一定的了解,下面研究如何找到它,OpenCV和Numpy都有实现它的内置功能函数,在使用这些功能函数之前,我们需要了解一些与直方图有关的术语。
-
BINS: 直方图显示每个像素值的像素数,即从0到255,你需要256个值来显示上面的直方图。如果你不需要分别找到所有像素值的像素数,而是找像素值间隔中的像素数怎么办? 例如,您需要找到介于0到15之间的像素数,然后找到16到31之间,…,240到255之间的像素数。对于这些情形,在OpenCV中只需要16个值即可表示直方图。
因此,你要做的就是将整个直方图分成16个子部分,每个子部分的值就是其中所有像素数的总和。 每个子部分都称为
BIN
。在第一种情形下,BIN
的数量为256个(每个像素一个),而在第二种情形下,BIN
的数量仅为16个。BINS
由OpenCV文档中的histSize术语表示。 -
DIMS: 这是我们为其收集数据的参数的数量。在这种情况下,我们仅收集关于强度值的数据,所以这里是1。
-
RANGE: 这是你计算的强度值的范围。通常,它是
[0,256]
,即所有强度值。
1. 在OpenCV中直方图的计算
在Opencv中调用 calcHist()
函数可以实现对图像像素点直方图的绘制,函数所含参数如下:
cv.calcHist(images,channels,mask,histSize,ranges [,hist [,accumulate]])
参数解释:
- images:一般转灰度图,要求原图像格式为Uint8或float32, 传入函数时要使用方括号“[ ]”。
- channels: 直方图的通道的索引,同样使用[ ]传入。 如果输入图像为灰度图像其值为0;如果是彩色图像为[0],[1],[2]分别计算蓝色,绿色或红色通道的直方图
- mask:图像掩码。为了找到完整图像的直方图,将其指定为
None
。但是,如果要查找图像特定区域的直方图,则必须为此创建一个掩码图像并将其作为掩码。- histSize:这表示我们的BIN计数。需要放在方括号中。对于全尺寸,我们通过[256]。
- ranges:表示RANGE,通常为[0, 256],表示要测量的强度值范围。
下面加载图像并找到其完整直方图
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
# 加载原始图像
img = cv.imread('./data/leuvenA.jpg')
# 显示原始图像
cv.imshow('img1', img)
# 转化为灰度图像
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
# 显示灰度图像
cv.imshow('img_gray', img_gray