第1关：灰度直方图的计算

贫生倦了

于 2024-10-21 18:35:08 发布

阅读量2.3k

点赞数 39

文章标签： python 图像处理

本文链接：https://blog.csdn.net/m0_73730452/article/details/143121007

版权

第1关：灰度直方图的计算

100

任务要求
参考答案
重置记录
评论
关卡排行榜

任务描述

本关任务：编写一个能计算数字图像直方图的小程序，并且输出图像的最大和最小像素值。

相关知识

为了完成本关任务，你需要掌握：

认识灰度直方图
数字图像的读取；
灰度直方图计算
输出直方图。

认识灰度直方图

什么是灰度直方图？

灰度级范围[0,L−1]的数字直方图是离散函数h(rk)=nk，其中rk是第k极灰度值， nk是图像中灰度为rk的像素个数。在实践中，经常用乘积MN表示的图像像素的总数除以每个分量的个数来归一化直方图（M和N代表一张图的行和列）。因此，归一化的直方图由p(rk)=nk/MN给出，其中k=0,1,...,L−1 。所以归一化后的直方图所有分量和应该为1.

总结来说，直方图可以表示特定灰度值的像素个数，归一化后的直方图表示特定灰度值在一张图中出现概率。

数字图像的读取

数字图像读取

通常数字图像的读取有很多种方式，在python程序设计中我简单介绍2种数字图像的读取方式。

在这里我们先给定图片的路径。

img_path='histogram/data/girl.jpg'

1，OpenCV读取的图片

OpenCV库读取图像直接转为就是numpy.ndarray格式，无需转换。

import sys
import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image
#定义数据路径
img_path='histogram/data/girl.jpg'
#用cv2的标准库函数imread()进行读入数据路径
im_arr=cv.imread(img_path)
print(np.shape(im_arr))

输出： (888, 888, 3)

2，PIL读取图片

PIL读取的图片并不是直接的numpy.ndarray格式，需要进行转换

import sys
import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image
#定义图像路径
img_path='histogram/data/girl.jpg'
#用PIL中的Image()方法读入数据路径
img_PIL = Image.open(datapath)#读取数据
#打印查看得到未经转化的数据和数据类型
print("img_PIL:",img_PIL)
print("img_PIL:",type(img_PIL))
#经过np.array()方法后得到的img_PIL的数组矩阵，查看矩阵大小和类型
img_PIL = np.array(img_PIL)
print("img_PIL:",img_PIL.shape)
print("img_PIL:",type(img_PIL))

输出：

img_PIL: <PIL.JpegImagePlugin.JpegImageFile image mode=RGB size=888x888 at 0x2D198B00080>
img_PIL: <class 'PIL.JpegImagePlugin.JpegImageFile'>
img_PIL: (888, 888, 3)
img_PIL: <class 'numpy.ndarray'>

图像转为灰度图

利用openCV库函数可以将彩色图片转为灰度图片。

import cv2
import numpy as np
if __name__ == "__main__":
img_path = 'histogram/data/girl.jpg'
img = cv2.imread(img_path) #获取图片的宽和高
width,height = img.shape[:2][::-1]
#将图片缩小便于显示观看
img_resize = cv2.resize(img,(int(width*0.5),int(height*0.5)),interpolation=cv2.INTER_CUBIC)
cv2.imshow("img",img_resize)
print("img_reisze shape:{}".format(np.shape(img_resize)))
#将图片转为灰度图
img_gray = cv2.cvtColor(img_resize,cv2.COLOR_RGB2GRAY)
cv2.imshow("img_gray",img_gray)
print("img_gray shape:{}".format(np.shape(img_gray)))
cv2.waitKey()

输出：

图 1

图 1 彩色图转为灰度图

灰度直方图的计算函数

下面简单的介绍计算灰度直方图的函数。

Python函数:

def calcHist(images, channels, mask, histSize, ranges, hist=None, accumulate=None):

images：必须用方括号括起来。 channels：是用于计算直方图的通道，这里使用灰度图计算直方图，所以就直接使用第一个通道；Mask：这里没有使用，所以用None。 histSize：表示这个直方图分成多少份（即多少个直方柱）accumulate：表示直方图中各个像素的值，[0.0, 256.0]表示直方图能表示像素值从0.0到256的像素。

输出灰度直方图

在这里我们还是以小女孩的图片为例，进行灰度图像直方图的绘制。

img_path = 'histogram/data/girl.jpg'

计算直方图函数，img参数为输入图像，img_plt为生成图像灰度直方图

def histCover(img, fileName):
plt.figure(fileName, figsize=(16, 8))
# 展示输入图像
plt.subplot(121)
plt.imshow(img, "gray")
# 展示直方图
plt.subplot(122)
# 利用cv2内置函数进行画灰度图像直方图
hist = cv2.calcHist([img], [0], None, [256], [0, 255])
print('max:',max(hist))
print('min:',min(hist))
plt.plot(hist)
plt.xlim([0, 255])
plt.show()

输出结果和图像：

max: [162271.] min: [0.]

图 1

图 2 灰度图像直方图的绘制

编程要求

根据提示，在右侧编辑器补充代码，学会灰度图像直方图的绘制，在这里我们还是以卡通图片为例子,输出其直方图的峰值和最小值（打印输出时要记得换行）。

应用matplotlib.pyplot()函数可能不能进行图片展示（可以应用imsaveifg(filename)函数进行临时保存到编译环境），但是也可以在本地环境中运行输出图片，但是一定要有matplotlib库，如果没有该库函数，图片不能进行展示，可以在本地python环境中安装，应用 pip install matplotlib指令进行安装和配置。

测试说明

平台会对你编写的代码进行测试：

直方图的峰值（最大值）和最小值是编程评测的重点，因为一副图像只唯一对应一副直方图，因此峰值（最大值）和最小值是唯一被确定的。

打印输出记得换行操作。

格式：预期输出： max: [10199.] min: [0.]

开始你的任务吧，祝你成功！

"""
本次实训任务为对灰度图像进行直方图的计算，以卡通图片为例，你需要首先将彩色图像转化为灰度图（这是必须要掌握的一个重点），
再进行计算和绘制直方图，在这里考核的重点是对直方图的峰值（最大值）和最小值的输出，因为一副图像可以唯一确定一副直方图，
该直方图的峰值（最大值）和最小值也是唯一被确定的。所以根据提示，完善相应代码，相信你一定可以的。
"""
import sys
import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np
from PIL import Image
#计算直方图函数，img参数为输入图像，img_plt为生成图像灰度直方图
def histCover(img, fileName):
plt.figure(fileName, figsize=(16, 8))
# 展示输入图像
plt.subplot(121)
plt.imshow(img, "gray")
# 展示直方图
plt.subplot(122)
"""
任务1 利用cv.calcHist()内置函数进行画灰度图像直方图，该函数的返回值是hist
"""
########## Begin ##########
hist = cv.calcHist([img], [0], None, [256], [0, 255])
########## End ##########
print('max:',max(hist))
print('min:',min(hist))
plt.plot(hist)
plt.xlim([0, 255])
plt.savefig(fileName)
plt.show()
#主函数的定义，定义图片路径
def main_func(argv):
img_path = 'histogram/step3/img_data/ex_1.jpg'
img_plt='histogram/step3/stu_img/step3_plt.jpg'
"""
任务2. 读入图像，并转化为灰度值，数据路径已经给出为img_path
"""
########## Begin ##########
img_PIL = Image.open(img_path)
img_array = np.array(img_PIL)
img_gray = cv.cvtColor(img_array,cv.COLOR_RGB2GRAY)
########## End ##########
"""
任务3. 调用histCover函数绘制直方图，看清楚该函数是无返回值的哦
"""
########## Begin ##########
histCover(img_gray, img_plt)
########## End ##########
if __name__ == '__main__':
main_func(sys.argv)