永兴的笔记-OpenCV-7图像直方图 1 基本介绍

一、什么是图像直方图：

直方图(Histogram)，又称质量分布图，是一种统计报告图，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。
图像直方图是数值数据分布的精确图形表示。

• 颜色直方图：
  颜色直方图是在许多图像检索系统中被广泛采用的颜色特征。它所描述的是不同色彩在整幅图像中所占的比例，而并不关心每种色彩所处的空间位置，即无法描述图像中的对象或物体。颜色直方图特别适于描述那些难以进行自动分割的图像。
  • 灰度直方图（我们使用比较多的）：
    简单来说就是统计各个像素值的个数。比如说一幅灰度图中像素值中像素值为88的有多少个，像素值为66的有多少个像素点。
    
    

二、为什么要使用直方图：

图像直方图由于其计算代价较小，且具有图像平移、旋转、缩放不变性等众多优点，广泛地应用于图像处理的各个领域，特别是灰度图像的阈值分割、基于颜色的图像检索以及图像分类。

• 为什么说直方图计算代价较小？
  例如一个1024x1024的图像，当转换成直方图时会进行其分组，列如分为255组，那么这1024x124个像素会被叠加分到这255组中去，即处理起虽然值变大了，但是像素点变少了，不需要去拆分rgb(hsv除外)三色，不需要单步计算等额外的工作，只需要通过特定的算法对这255组进行计算即可，所以说代价是较小的！
• 颜色直方图的意义如下：
    ● 颜色直方图是图像中像素强度分布的图形表达方式。
    ● 它统计了每一个强度值所具有的像素个数。
• 图像直方图应用的常见方向：
  • 图像分割：
    图像分割是图像识别的基础，对图像进行图像分割，将目标从背景区域中分离出，可以避免图像识别时在图像上进行盲目的搜索，大大提高图像识别的效率以及识别准确率。基于灰度直方图的阈值分割计算简单，适用于目标与背景分布于不同灰度范围的灰度图像，特别是遥感图像。
  • 图像检索：
    图像检索是指快速有效地从大规模图像数据库中检索出所需的图像，是目前一个非常重要又富有的挑战性的研究课题。颜色特征由于其直观性、计算代价较小等优点，在图像检索中扮演着重要角色，早期的图像检索算法也主要利用颜色特征，特别是颜色直方图。
  • 图像分类：
    图像分类任务主要是对一组图进行一系列自动处理，最终确定图形所属的类别。图像分类具有广泛的应用前景，是计算机视觉的难点问题。针对图像分类的算法众多，其中以基于bag-words模型的方法最为经典有效。该方法首先利用提取的颜色、形状等特征构建视觉词典，然后在图像上统计视觉词的直方图，最后利用视觉词直方图作为特征运用分类器进行分类决策。

三、绘制直方图：

1、Python图像可视化简单介绍：

#安装 matplotlib 
pip install matplotlib

#导入 
import matplotlib.pyplot as plt 

plt.plot(*args, scalex=True, scaley=True, data=None, **kwargs)

点击打开：介绍教程

plt.title(label, fontdict=None, loc='center', pad=None, **kwargs)

• label : 图像名称

2、绘制直方图：
hist = cv2.calcHist(images, channels, mask, histSize, ranges, hist=None, accumulate=None)

• images : 绘制直方图的图像
• channels : 要计算的通道数，灰度图写[0]就行，彩色图B/G/R分别传入[0]/[1]/[2]。
• mask : 图像掩膜 ， 如果需要计算整个区域 则 填写 None
• histSize : 子区段数目
• ranges : 需要计算的像素范围
• hist ：传入的 hist 直方图
• accumulate : 布尔值 ，表示是否对传入的 hist 清零。不清零的话可以将多幅图像的直方图累加。

返回值：

• hist : 直方图数据

import cv2
import matplotlib.pyplot as plt
img = cv2.imread("first.jpg",0) #以灰度模式读取图像
hist = cv2.calcHist([img],[0],None,[256],[0,256])
plt.plot(hist),plt.title("hist")
plt.show()
cv2.imshow("img",img)
cv2.waitKey()
cv2.destroyAllWindows()

hist , bins = np.histogram(a, bins=10, range=None, normed=None, weights=None,density=None)
参数：

• a ： 图像像素的数组
  ravel() 的作用是将多维数组或者矩阵降维一维
• bins : 子区段的个数
• range ：要计算的像素值范围，一般为[0,256]

返回值：

• hist ： 直方图数据
• bins ：返回子段交界点的值的数组

import numpy as np
import cv2
import matplotlib.pyplot as plt
img = cv2.imread("first.jpg",0) # 以灰度模式读取图像
hist , bins = np.histogram(img.ravel(),256,[0,256])
print(bins)
plt.plot(hist)
plt.title("hist")
plt.show()
cv2.imshow("img",img)

练习题7-1
绘制自己喜欢的图像的彩色直方图。

评论出你的答案