OpenCV-Python -- Histograms - 1 : Find, Plot, Analyze !!!

学习目标

• 计算直方图，使用OpenCV和Numpy.
• 画直方图，使用OpenCV和Matplotlib.
• 学习函数： cv2.calcHist()，np.histogram().

理论知识

直方图是什么？可以将直方图看成是图表，可以直观给出图像的整体像素值的分布情况。通常绘制直方图的X轴是256级（0-255）灰度，Y轴统计该灰度下的像素数量。

直方图是理解图像的另外一种方式。通过直方图，可以直观上获得对比度，亮度，强度分布等。当前，几乎所有的图像处理工具提供了直方图特征。下图来自 Cambridge in Color website：

从图中可以看出（统计直方图时，是灰度图像），直方图的左边区域的像素亮度较暗，右边的区域较亮。并且，暗的像素大于亮的像素，处于中间的像素（127）较少。

直方图计算

通过上面的介绍，我们对直方图有直观的概念，下面将研究如何计算直方图。OpenCV和Numpy都可以计算。使用内置函数计算之前，我们需要理解直方图的相关原理。

BINS：上面的图显示了每一个像素值的统计数量，比如0-255。但是，通常我们不需要每一个像素值的统计数量，而是一个像素区间的统计数量，比如，[0-15]，[16-31],…, [240-255]. Y轴只需16个值表达。其中每一个子区间称之为 “BIN”，在OpenCV中，BINS用histSize参数表示。

DIMS：用于收集数据的参数数量，这里我们只用灰度图的灰度值作为统计参数，所以dims=1.

Range：统计的像素强度的范围，一般情况下，[0，256]，是所有的强度值。

1. Histogram Calculation in OpenCV

现在，我们使用cv2.calcHist()计算直方图，该函数的定义如下：

cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate]])
	"""
	功能：计算直方图
	images：输入图像，类型为uint8或者float32. 输入的时候需要添加中括号，[img].
	channels：同样需要添加中括号，该值是指定计算哪个通道的直方图。比如，如果输入的是				
	灰度图像，那么值为[0]。彩色图像，可以传入[0],[1],[2]分别计算blue，green，red通道
	的直方图统计。
	mask：掩码图像。如果计算全图的直方图，该参数的值为None。但是，如果计算图像中某个	
	区域的直方图统计，那么需要掩码图像。
	histSize：表示BINS的个数，也需要有中括号，对于全图，则需传入[256].
	ranges：像素值的范围，通常为[0,256].
	"""

下面以一个例子展示使用：

img = cv2.imread('home.jpg',0)
hist = cv2.calcHist([img],[0],None,[256],[0,256])

2. Histogram Calculation in Numpy

Numpy也可以计算直方图，np.histogram()，使用如下：

hist,bins = np.histogram(img.ravel(),256,[0,256])

返回值跟CV计算的返回值一样。因为Numpy计算BINS为，0-0.99，1-1.99，2-2.99，…，255-255.99 等，所以BINS是257个值。

1. numpy还有另外一个函数，np.bincount()，比np.histogram()快10倍以上。所以一维的直方图，可以尝试。但是要设置minlength=256。比如，hist = np.bincount(img.ravel(),minlength=256)。
2. OpenCV函数比np.histogram()快40倍。

Plotting Histogram

两种方式可以画图：

1. Short Way：使用Matplotlib。
2. Long Way：OpenCV。

1. Using Matplotlib

Matplotlib可以画直方图的函数为：Matplotlib.pyplot.hist()，可以直接得到直方图，然后绘制。代码如下：

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('home.jpg', 0)
plt.hist(img.ravel(), 256, [0,256])
plt.show()

或者可以使用如下的方式绘制直方图：

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('home.jpg')
color = ('b','g','r')
for i,col in enumerate(color):
    histr = cv2.calcHist([img],[i],None,[256],[0,256])
    plt.plot(histr,color = col)
    plt.xlim([0,256])
plt.show()

运行结果如下：

2. Using OpenCV

OpenCV也可以达到上述的效果，需要使用cv2.line()，或者cv2.polyline().

Application of Mask

有时候，我们需要计算图像部分区域的直方图。那么我们需要创建一个掩码区域，实例如下：

img = cv2.imread('home.jpg',0)

# create a mask
mask = np.zeros(img.shape[:2], np.uint8)
mask[100:300, 100:400] = 255
masked_img = cv2.bitwise_and(img,img,mask = mask)

# Calculate histogram with mask and without mask
# Check third argument for mask
hist_full = cv2.calcHist([img],[0],None,[256],[0,256])
hist_mask = cv2.calcHist([img],[0],mask,[256],[0,256])

plt.subplot(221), plt.imshow(img, 'gray')
plt.subplot(222), plt.imshow(mask,'gray')
plt.subplot(223), plt.imshow(masked_img, 'gray')
plt.subplot(224), plt.plot(hist_full), plt.plot(hist_mask)
plt.xlim([0,256])

plt.show()

运行结果如下：