OpenCV基于Python图像直方图的查找、绘制及掩码在直方图中的应用

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。

图1 直方图直观描述

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