【python图像处理】python图像处理之直方图和图像几何变换

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