opencv初学（图像12）

最新推荐文章于 2024-08-22 22:46:32 发布

XUAN-John

最新推荐文章于 2024-08-22 22:46:32 发布

阅读量103

点赞数

文章标签： opencv 计算机视觉图像处理 Powered by 金山文档

本文链接：https://blog.csdn.net/m0_73668080/article/details/129460923

版权

文章介绍了如何使用OpenCV库进行直方图计算，包括单通道图像的直方图、彩色图像各通道的直方图以及如何创建和应用mask。接着讨论了图像均衡化技术，如标准直方图均衡化和自适应直方图均衡化（CLAHE），以及这些技术如何改变图像的亮度和对比度，提高可读性。

摘要由CSDN通过智能技术生成

直方图

cv.calcHist(images, channels, mask, histSize, ranges)

images：它是uint8或float32类型的源图像。它应该放在方括号中，即“ [img]”。

channels：也以方括号给出。它是我们计算直方图的通道的索引。例如，如果输入为灰度图像，则其值为[0]。对于彩色图像，您可以传递[0]，[1]或[2]分别计算蓝色，绿色或红色通道的直方图。

mask：遮罩图像。为了找到完整图像的直方图，将其指定为“无”。但是，如果要查找图像特定区域的直方图，则必须为此创建一个遮罩图像并将其作为遮罩。

histSize：这表示我们的BIN计数。需要放在方括号中。对于全尺寸，我们通过[256]。

啥是BIN

ranges：这是我们的RANGE。通常为[0,256]。

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

def cv_show(name,image):
    cv2.imshow(name,image)
    cv2.waitKey()
    cv2.destroyAllWindows()


img=cv2.imread('D:/BaiduNetdiskDownload/opencv/Astexia.jpg',0)
hist=cv2.calcHist([img],[0],None,[256],[0,256])
plt.hist(img.ravel(),256)#参数(直方图信息，BIN的数量)
plt.show()

#三色
color=('b','g','r')
for i,col in enumerate(color):
    img1 = cv2.imread('D:/BaiduNetdiskDownload/opencv/girl.jpg')
    histr = cv2.calcHist([img1],[i],None,[256],[0,256])
    plt.plot(histr,color=col)
    plt.xlim([0,256])
plt.show()

mask创建(即创建出除了中间为255，其他全为0的矩阵)

cv2.bitwise_and()是OpenCV中的一个函数，用于对两个图像进行按位与操作。它的参数含义如下：

src1：第一个输入图像。

src2：第二个输入图像。

mask：可选参数，用于指定操作的掩码图像。

dst：输出图像，与输入图像大小和类型相同。

#mask创建
mask=np.zeros(img.shape[:2],np.uint8)
mask[120:750,200:1800]=255
cv_show('mask',mask)
masked_img=cv2.bitwise_and(img,img,mask=mask)
cv_show('666',masked_img)

均衡化

将直方图变得差不多一样高，变胖一点

累积概率即分布函数

图源3-均衡化效果_哔哩哔哩_bilibili

equ=cv2.equalizeHist(img_boy)

#均衡化
img_boy=cv2.imread('D:/BaiduNetdiskDownload/opencv/boy.png',0)
plt.hist(img.ravel(),256)
equ=cv2.equalizeHist(img_boy)
plt.hist(equ.ravel(),256)
plt.show()
res=np.hstack((img_boy,equ))
cv_show("0",res)

自适应直方图均衡化

即分区域均衡化，全图统一均衡化可能会使某些位置过白/黑（如图2）

cv2.createCLAHA(clipLimit=8.0, titleGridSize=(8, 8))

参数1：clipLimit：颜色对比度的阈值（用来防止每一个区域之间割裂感严重）

参数2：titleGridSize：进行像素均衡化的网格大小，即在多少网格下进行直方图的均衡化操作

#自适应直方图均衡化
room=cv2.imread('D:/BaiduNetdiskDownload/opencv/room.png',0)
old_equ=cv2.equalizeHist(room)

a=cv2.createCLAHE(clipLimit=2.0,tileGridSize=(8,8))
new_equ = a.apply(room)
res = np.hstack((room,old_equ,new_equ))
cv_show('111',res)