图片美化
彩色直方图
- 直方图描述像素统计信息
- RGB三种颜色直方图
- 横坐标:0-255 的颜色等级,共256种
- 纵坐标:每个颜色等级在整张图片出现的概率,0-1之间
- 直方图均衡化:直方图没有均匀分布而是集中在了某一处需要均衡化进行离散化,均衡化优化图片
import cv2
import numpy as np
def ImageHist(image,type):
color = (255,255,255)
#定义windows窗体
#通过颜色类型判断改变窗体名字
windowName = 'Gray'
# 蓝色
if type == 31:
color = (255,0,0)
windowName = 'B Hist'
# 绿色
elif type == 32:
color = (0,255,0)
windowName = 'G Hist'
# 红色
elif type == 33:
color = (0,0,255)
windowName = 'R Hist'
# calcHist 计算图片直方图
# 1 原图image 必须加[] 2 [0] 3 mask模板 None 4:直方图大小 256种 5:各个像素的值 0-255
hist = cv2.calcHist([image],[0],None,[256],[0.0,255.0])
# 计算一些值 minV,maxV,minL,maxL opencv方法直接获取
# 为了进行归一化需要求出所有像素中最大值最小值以及各自的下标
minV,maxV,minL,maxL = cv2.minMaxLoc(hist)
# 创建画布
histImg = np.zeros([256,256,3],np.uint8)
# 画 画布
for h in range(256):
# 数据很大 归一化数据 归一到0-256之间
intenNormal = int(hist[h]*256/maxV)
# 绘制256-intenNormal(减去归一化数据)
cv2.line(histImg,(h,256),(h,256-intenNormal),color)
cv2.imshow(windowName,histImg)
return histImg
# 读取图片
# 获取当前图片
img = cv2.imread('image0.jpg',1)
channels = cv2.split(img)# RGB - R G B
# 遍历每个颜色通道
for i in range(0,3):
# 将RGB颜色通道数据传入
ImageHist(channels[i],31+i)
cv2.waitKey(0)
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-tWx9fs4u-1584959013577)(C:\Users\16603\AppData\Roaming\Typora\typora-user-images\image-20200318114329253.png)]
Key(0)
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200323182346355.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2R1anVhbmNhbzEx,size_16,color_FFFFFF,t_70)