matplotlib hist 直方图 参数说明

最新推荐文章于 2023-02-13 22:40:57 发布
最新推荐文章于 2023-02-13 22:40:57 发布
阅读量3.6k 收藏 14
点赞数 3
分类专栏： 数字图像处理
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/a10201516595/article/details/105623183
版权 
plt.hist(img.ravel(),256,[0,256],facecolor ='black')

一， img.ravel()–把多维数组转化成一维数组

因为hist函数只支持一维的数组（数组下标为横坐标，值为纵坐标）

二，256 表示横坐标的最大值为256，有256条柱

三，[0,256]表示数据显示范围

PS：横坐标超过256的数据也归到256处

四，facecolor 表示柱状图的颜色

Free Jim
关注
  • 3
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Matplotlib绘制直方图
lyccomcn的博客
03-18 459
直方图，又称质量分布图，由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据类型；纵轴表示分布情况。直方图是数值数据分布的精确图形表示，是一个连续变量（定量变量）的概率分布的估计。
超详细的Python matplotlib 绘制直方图 赶紧收藏
weixin_54556126的博客
11-18 8万+
前言 经过前面对 matplotlib 模块从底层架构、基本绘制步骤等学习，我们已经学习了折线图、柱状图的绘制方法。 在分析数据的时候，我们会根据数据的特点来选择对应图表来展示，需要表示质量这一概念，需要用直方图。 本期，我们将学习matplotlib 模块绘制直方图相关属性和方法，Let‘s go~ 1. 直方图概述 什么是直方图？ 直方图是一种可视化表示数据在连续间隔或者特定时间段内容的分布情况 直方图又称为质量分布图，属于条行图的一种 直方图x轴表示数据类型，纵轴表示
plt.hist改变纵坐标默认值，比如同时乘以一个数
weixin_35755640的博客
02-13 422
您可以使用 plt.gca().set_ylim() 来改变默认的纵坐标范围，例如： import matplotlib.pyplot as plt data = [1, 2, 3, 4, 5] plt.hist(data) plt.gca().set_ylim(0, 15) # 将纵坐标的默认范围改为 0~15 plt.show() ...
python opencv 直方图均衡_opencv python：图像直方图 histogram
weixin_39900286的博客
11-24 167
直接用matplotlib画出直方图def plot_demo(image):plt.hist(image.ravel(), 256, [0, 256]) # image.ravel()将图像展开，256为bins数量，[0, 256]为范围plt.show()图像直方图def image_hist(image):color = ('blue', 'green', 'red')for i, co...
【OpenCV-Python】：直方图及直方图均衡化（有源码）
王乐予的博客
02-07 1万+
直方图   直方图是进行图像处理过程中的一种非常重要的工具。它是从图像内部灰度级的角度对图像进行表述。   直方图统计的是图像内各个灰度级出现的次数。 直方图的绘制 1.使用pyplot绘制直方图   使用函数：matplotlib.pyplot.hist(X, BINS) X 和 BINS 的参数如下：   X：数据源，必须是一维的。对于通常的二维图像来说，需要使用ravel()函数将图像处理为一维数据源。   BINS：表示灰度级的分组情况。   函数ravel()的作用是将二维数组降维成一维数组，举例
python--plt.hist函数的输入参数和返回值的解释
show-er-打怪之路的博客
11-15 3万+
python中plt.hist函数的常用输入参数和返回值的解释，并给出用plt.hist函数作直方图的示例
计算机视觉7-像素点直方图统计、掩膜图像
weixin_44738378的博客
06-06 1288
1.灰度图的直方图 （1）调用库 import cv2 import matplotlib.pyplot as plt import numpy as np #创建掩膜时需要 （2）绘图-方法1 img=cv2.imread('F:cat.jpg',0) plt.hist(img.ravel(),256,[0,256]) plt.show() plt.hist是一个画直方图的命令；img.ravel()可以将图片转化成一维数组，直方图的信息都是从这里提取出来的；256是BIN的数目，[0,2.
matplotlib hist 直方图
06-28
matplotlib hist 直方图是一种用于可视化数据分布的图表类型。它将数据分成一系列的区间（称为“bin”），并计算每个区间内数据的频率。然后，它将这些频率绘制成一个条形图，其中每个条形表示一个区间。直方图可以...
python matplotlib库直方图绘制详解
01-20
总的来说，使用Python的matplotlib库绘制直方图涉及的关键步骤包括：计算数据的极差、确定适当的组数和组距、调用`plt.hist()`函数绘制直方图，并可选择性地添加`normed=True`参数以得到频率分布直方图。此外，还...
[Matplotlib科学绘图系列]使用Matplotlib绘制直方图
最新发布
11-21
绘制直方图：使用plt.hist()方法绘制直方图，输入参数为data、bins=50、density=2、edgecolor='black'、alpha=0.8。其中，bins表示分箱数量，density表示是否归一化，edgecolor表示边框颜色，alpha表示透明度。 设置...
Python之OpenCV直方图统计及均衡化
ZONGXP的博客
04-22 9738
0 背景 在做图像处理时，经常需要对图像的像素分布情况进行统计，用来分析整张图片的像素分布，从而为进一步的处理提供数据支持，如二值化等操作。因此，本文对直方图相关的操作进行一个介绍。 在统计学中，直方图是一种对数据分布情况的图形表示，是一种二维统计图表，他的两个坐标分别是统计样本（图像、视频帧）和样本的某种属性（亮度，像素值，梯度，方向，色彩等等任何特征） 图像直方图是用一表示数字图像中亮度分布的直方图，标绘了图像中每个亮度值的像素数。可以借助观察该直方图了解需要如何调整亮度分布的直方图。这种直方图中
图像处理基础操作三（图像直方图、傅里叶变换）
Asia-Lee
11-10 3290
一、图像直方图 1、直方图 灰度直方图（histogram）是灰度级的函数，描述的是图像中每种灰度级像素的个数，反映图像中每种灰度出现的频率。横坐标是灰度级，纵坐标是灰度级出现的频率。 直方图是对图像的中的像素点的值进行统计，一般情况下直方图都是灰度图像，直方图x轴是灰度值（一般0~255），y轴就是图像中每一个灰度级对应的像素点的个数，即横坐标表示图像中各个像素点的灰度级，纵坐标表示具有该灰度级的像素个数。 matplotlib绘制直方图 #encoding:utf-8 import cv2
Python——OpenCV库的学习（十三）：黑白统计
Pan_peter的博客
09-05 478
笔记和用法都在代码注释中： import cv2 as cv import numpy as np import matplotlib.pyplot as plt img = cv.imread('666.jpg',0) #0代表灰度图 img = cv.resize(img,(500,500)) hist = cv.calcHist([img],[0],None,[256],[0,256]) print(hist.shape) # # plt.hist(img.ravel(),256) # plt
python绘制图像直方图_Python 图像处理 OpenCV （16）：图像直方图
weixin_39889597的博客
12-04 640
前文传送门：直方图首先，第一个问题是什么是直方图？直方图这个应该都知道吧，不知道的话就是下面这玩意：那么图像灰度直方图是什么鬼？直方图是都是由横纵坐标组成的，而图像直方图的横坐标 X 轴上表示的是像素值(不总是从 0 到 255 的范围)，在纵坐标 Y 轴上表示的相应像素数。所以，直方图是可以对整幅图的灰度分布进行整体了解的图示，通过直方图我们可以对图像的对比度、亮度和灰度分布等有一个直观了解。还...
Opencv图像处理5-直方图统计
qq_35912099的博客
06-18 752
直方图统计 img = cv2.imread('cat.jpg',0) #0表示灰度图 hist = cv2.calcHist([img],[0],None,[256],[0,256]) hist.shape plt.hist(img.ravel(),256); plt.show() img = cv2.imread('cat.jpg') color = ('b','g','r') for i,col in enumerate(color): histr = cv2.ca
Python图像增强之直方图均衡化(全局直方图均衡、局部直方图均衡)
L888666Q的博客
10-08 8636
直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。全局直方图均衡该方法主要优点是算法简单、速度块、可自动曾倩图像；缺点是对噪声敏感、细节信息容易丢失，在某些结果区域产生过增强的问题。局部直方图均衡该方法优点是局部自适应，可最大限度的增强图像细节；缺点是增强图像质量操控困难，会随之引入噪声。
matplotlib可视化之直方图plt.hist()与密度图
weixin_46707493的博客
08-21 5万+
函数功能：判定数据(或特征)的分布情况 调用方法：plt.hist(x, bins=10, range=None, normed=False, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False) 参数说明： x：指定要绘制直方图的数据；
numpy中的ravel()、flatten()、squeeze()的用法与区别
热门推荐
tymatlab的专栏
01-09 12万+
numpy中的ravel()、flatten()、squeeze()都有将多维数组转换为一维数组的功能，区别： ravel()：如果没有必要，不会产生源数据的副本 flatten()：返回源数据的副本 squeeze()：只能对维数为1的维度降维 另外，reshape(-1)也可以“拉平”多维数组 参见官方文档： ravel() flatten() squeeze()
numpy学习笔记1—ravel() 和 flatten()
Lavi的专栏
10-12 9万+
numpy的ravel() 和 flatten()函数简介首先声明两者所要实现的功能是一致的（将多维数组降位一维）。这点从两个单词的意也可以看出来，ravel(散开，解开)，flatten（变平）。两者的区别在于返回拷贝（copy）还是返回视图（view），numpy.flatten()返回一份拷贝，对拷贝所做的修改不会影响（reflects）原始矩阵，而numpy.ravel()返回的是视图（vi
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值