opencv 直方图处理详细介绍

直方图处理

直方图是图像处理过程中的一种非常重要的分析工具。直方图从图像内部灰度级的角度对图像进行表述，包含十分丰富而重要的信息。从直方图的角度对图像进行处理，可以达到增强图像显示效果的目的。

1、 直方图的含义

• 从统计的角度讲，直方图是图像内灰度值的统计特性与图像灰度值之间的函数，直方图统计图像内各个灰度级出现的次数。
• 从直方图的图形上观察，横坐标是图像中各像素点的灰度级，纵坐标是具有该灰度级（像素值）的像素个数。

一般情况下，我们把直线图和直方图都称为直方图。

在实际处理中，图像直方图的x轴区间一般是[0, 255]，对应的是8位位图的256个灰度级；y轴对应的是具有相应灰度级的像素点的个数。

虽然8位的图像都具有256个灰度级（每一个像素可以有256个灰度值），但是属于不同灰度级的像素数量是很不一样的。

有时为了便于表示，也会采用归一化直方图。在归一化直方图中，x轴仍然表示灰度级；y轴不再表示灰度级出现的次数，而是灰度级出现的频率。

在OpenCV的官网上，特别提出了要注意三个概念：DIMS、BINS、RANGE。

● DIMS：表示在绘制直方图时，收集的参数的数量。一般情况下，直方图中收集的数据只有一种，就是灰度级。因此，该值为1。

● RANGE：表示要统计的灰度级范围，一般为[0, 255]。0对应的是黑色，255对应的是白色。

● BINS：参数子集的数目。在处理数据的过程中，有时需要将众多的数据划分为若干个组，再进行分析。

直方图意义:	 直方图是图像中像素强度分布的图形表达方式。 
    		直方图统计了每一个强度值所具有的像素个数。

dims：需要统计的特征的数目。例如：`dims=1`，表示我们仅统计灰度值。 
bins：每个特征空间子区段的数目。 
range：每个特征空间的取值范围。

2、绘制直方图

Python的模块matplotlib.pyplot中的hist()函数能够方便地绘制直方图，我们通常采用该函数直接绘制直方图。

除此以外，OpenCV中的cv2.calcHist()函数能够计算统计直方图，还可以在此基础上绘制图像的直方图。下面分别讨论这两种方式。

1）使用Numpy绘制直方图

模块matplotlib.pyplot提供了一个类似于MATLAB绘图方式的框架，可以使用其中的matplotlib.pyplot.hist()函数（以下简称为hist()函数）来绘制直方图。

此函数的作用是根据数据源和灰度级分组绘制直方图。

matplotlib.pyplot.hist(X,BINS)

● X：数据源，必须是一维的。图像通常是二维的，需要使用ravel()函数将图像处理为一维数据源以后，再作为参数使用。
● BINS:BINS的具体值，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。

示例：

import cv2
import matplotlib.pyplot as plt

o = cv2.imread('timg.jpg')
plt.hist(o.ravel(),16)
plt.show()

原图：

直方图：

从图中可以看到，整个灰度级被划分为16个子集

2）使用OpenCV绘制直方图

OpenCV提供了函数cv2.calcHist()用来计算图像的统计直方图，该函数能统计各个灰度级的像素点个数。利用matplotlib.pyplot模块中的plot()函数，可以将函数cv2.calcHist()的统计结果绘制成直方图。

1．用cv2.calcHist()函数统计图像直方图信息函数cv2.calcHist()用于统计图像直方图信息

hist = cv2.calcHist( images, channels, mask, histSize,ranges, accumulate )

● hist：返回的统计直方图，是一个一维数组，数组内的元素是各个灰度级的像素个数。

● images：原始图像，该图像需要使用“[ ]”括起来。

● channels：指定通道编号。通道编号需要用“[ ]”括起来，如果输入图像是单通道灰度图像，该参数的值就是[0]。对于彩色图像，它的值可以是[0]、[1]、[2]，分别对应通道B、G、R。

● mask：掩模图像。当统计整幅图像的直方图时，将这个值设为None。当统计图像某一部分的直方图时，需要用到掩模图像。

● histSize:BINS的值，该值需要用“[ ]”括起来。例如，BINS的值是256，需要使用“[256]”作为此参数值。

● ranges：即像素值范围。例如，8位灰度图像的像素值范围是[0,255]。

● accumulate：累计（累积、叠加）标识，默认值为False。如果被设置为True，则直方图在开始计算时不会被清零，计算的是多个直方图的累积结果，用于对一组图像计算直方图。该参数允许从多个对象中计算单个直方图，或者实时更新直方图。该参数是可选的，一般情况下不需要设置。

2.plot()函数的使用使用matplotlib.pyplot模块内的plot()函数，可以将函数cv2.calcHist()的返回值绘制为图像直方图。

3．绘制统计直方图

示例：

import cv2
import matplotlib.pyplot as plt
o=cv2.imread("histogram.jpg")
histb = cv2.calcHist([o], [0], None, [256], [0,255])
histg = cv2.calcHist([o], [1], None, [256], [0,255])
histr = cv2.calcHist([o], [2], None, [256], [0,255])
plt.subplot(131)
plt.plot(histb, color='b')
plt.subplot(132)
plt.plot(histg, color='g')
plt.subplot(133)
plt.plot(histr, color='r')
plt.savefig('histogram.png')
plt.show()
        
本例先通过函数cv2.calcHist()分别得到[0]、[1]、[2]三个通道（即B、G、R三个通道）的统计直方图数据，然后再通过plot()函数将这些数据绘制成直方图。

原图：

直方图：