1、直方图
import cv2
import numpy as np
import matplotlib.pyplot as plt
src = cv2.imread("C:/picture/dog.jpg")
cv2.imshow("src", src)
cv2.waitKey(0)
cv2.destroyAllWindows()
plt.hist(src.ravel(), 256)
plt.show()
2、使用OpenCV统计绘制直方图
主要调用函数calcHist()实现:
hist = cv2.calcHist(images, channels, mask, histSize, ranges, accumulate)
参数:
hist表示直方图,返回的是一个二维数组
images表示原始图像
channels表示指定通道,通道编号需要用中括号括起,输入图像是灰度图像时,它的值为[0],彩色图像则为[0]、[1]、[2],分别表示B、G、R
mask表示掩码图像,统计整副图像的直方图,设为None,统计图像的某一部分直方图时,需要掩码图像
histSize表示BINS的数量,参数子集的数目,如下图当bins=3表示三个灰度级
ranges表示像素值范围,例如[0, 255]
accumulate表示累计叠加标识,默认为false,如果被设置为true,则直方图在开始分配时不会被清零,该参数允许从多个对象中计算单个直方图,或者用于实时更新直方图;多个直方图的累积结果用于对一组图像的直方图计算
import cv2
import numpy as np
import matplotlib.pyplot as plt
src = cv2.imread("C:/picture/tom.jpg")
#参数:原图像 通道[0]-B 掩码 BINS为256 像素范围0-255
hist = cv2.calcHist([src], [0], None, [256], [0,255])
print(type(hist))
print(hist.size)
print(hist.shape)
print(hist)
调用calcHist()计算B、G、R灰度级并绘制图形的代码。
src = cv2.imread("C:/picture/dog.jpg")
histb = cv2.calcHist([src], [0], None, [256], [0,255])
histg = cv2.calcHist([src], [1], None, [256], [0,255])
histr = cv2.calcHist([src], [2], None, [256], [0,255])
cv2.imshow("src", src)
cv2.waitKey(0)
cv2.destroyAllWindows()
plt.plot(histb, color='b')
plt.plot(histg, color='g')
plt.plot(histr, color='r')
plt.show()
结果如下:
3、图像仿射变换
M = cv2.getAffineTransform(pos1,pos2)
pos1表示变换前的位置
pos2表示变换后的位置
cv2.warpAffine(src, M, (cols, rows))
src表示原始图像
M表示仿射变换矩阵
(rows,cols)表示变换后的图像大小,rows表示行数,cols表示列数
#读取图片
src = cv2.imread('test.bmp')
#获取图像大小
rows, cols = src.shape[:2]
#设置图像仿射变换矩阵
pos1 = np.float32([[50,50], [200,50], [50,200]])
pos2 = np.float32([[10,100], [200,50], [100,250]])
M = cv2.getAffineTransform(pos1, pos2)
#图像仿射变换
result = cv2.warpAffine(src, M, (cols, rows))
4、图像透视变换
图像透视变换的函数原型如下:
M = cv2.getPerspectiveTransform(pos1, pos2)
pos1表示透视变换前的4个点对应位置
pos2表示透视变换后的4个点对应位置
cv2.warpPerspective(src,M,(cols,rows))
src表示原始图像
M表示透视变换矩阵
(rows,cols)表示变换后的图像大小,rows表示行数,cols表示列数
#设置图像仿射变换矩阵
pos1 = np.float32([[114, 82], [287, 156], [8, 322], [216, 333]])
pos2 = np.float32([[0, 0], [188, 0], [0, 262], [188, 262]])
M = cv2.getPerspectiveTransform(pos1, pos2)
#图像透视变换
result = cv2.warpPerspective(src, M, (190, 272))
the end