【opencv学习笔记05】图像的直方图01——绘制

01 什么是直方图

 

简单的来说， 直方图就是对数据进行统计， 并且将统计值组织到一系列事先定义好的 bin 当中， 

bin 中的数值是从数据中计算出来的特征的统计量，这些特征可以是物体的色彩分布， 物体的梯度等等。。

 

这里我们着重看一下灰度直方图，

在灰度为 [0, L-1] 的范围内， 数字图像的直方图是离散函数 h(rk) = nk , 其中rk 表示第k 级灰度值， 

nk 则是图像中第k 级灰度值像素的个数。

经常使用nk 来除以像素总数（M*N）， 从而归一化直方图。 

 

直方图是多种空间域处理技术的基础， 直方图操作可用于图像增强的目的。

 

 

02 如何绘制直方图

好， 那么我们来看一下应当如何获取一幅灰度图像的直方图；

说到直方图， 我首先想到的是matplotlib 这个库， 它可以根据你所给出的数据来绘制直方图，

下面我们来看一下：

import matplotlib.pyplot as plt
import cv2


def plot_histogram(image):
    # 这里使用了 ravale 方法， 原因是cv2.imread的返回值类型为ndarray
    plt.xlabel('gray')
    plt.ylabel('numbers')
    plt.hist(x=image.ravel(), bins=256, range=[0, 256])
    plt.suptitle('histogram of grayimage')
    plt.show()

img_path = os.path.join(os.getcwd(), 'zebra.jpeg')
images = cv2.imread(filename=img_path)
gray_it = cv2.cvtColor(images, cv2.COLOR_BGR2GRAY)

cv2.namedWindow('input image', cv2.WINDOW_AUTOSIZE)
cv2.imshow('input image', gray_it)
cv2.waitKey()
plot_histogram(gray_it)

cv2.destroyAllWindows()

输出结果如下

 

 

OK ， 现在可以看到， 图像的直方图大概是一个什么样子， 

 

现在我们来正式引入 opencv ：

我们如何使用 opencv 来得到我们图像的直方图呢？

 ----------- 我们使用 cv2. calcHist() 这个函数来计算我们图像的直方图， 其返回值同样是 ndarray 类型的数组，

然后我们使用 plt.imshow 来显示。

 

def cv2_histogram(image):
    # 首先， 我们要表示图像的三个通道
    img_color = ('blue', 'green', 'red')
    for i, iter_color in enumerate(img_color):
        hist = cv2.calcHist([image], [i], None,
                            [256], [0, 256])
        print(type(hist))
        plt.plot(hist, color=iter_color)
        # bins is bin_size
        plt.hist(hist, bins=256, range=[0, 256], color=iter_color)
        plt.xlim([0, 256])
    plt.show()


img_path = os.path.join(os.getcwd(), 'zebra.jpeg')
images = cv2.imread(filename=img_path)
# gray_it = cv2.cvtColor(images, cv2.COLOR_BGR2GRAY)

cv2.namedWindow('input image', cv2.WINDOW_AUTOSIZE)
cv2.imshow('input image', images)
cv2.waitKey()

cv2_histogram(images)

cv2.destroyAllWindows()

ps  : 如果你觉得 plot 绘制出来的不能称之为直方图， 那么你可以使用 hist 来绘制，

二者绘制的斑马的图像如下：