OpenCV计算机视觉实战(Python)_08-直方图与傅里叶变换

什么是histogram？

• 它可以给出图像的密度分布的总体概念，它的x轴是像素值（0到255）y轴是对应的像素在图像里的数量。
• 看histogram你可以得到对比度，亮度，密度分布等直观信息。今天的所有图像处理工具都提供了histogram属性，

1. 直方图

直方图

OpenCV代码： cv2.calcHist(image, channels, mask, histSize, ranges)

• images: 原图像图像格式为uint8或float32，当传入函数时，应用中括号[]来表示，例如[img]
• channels: 同样用[]来表示，如果图像时灰度图，那么它的值就是[0]，如果是彩色图像，那么传入的参数可以是0，1，2，它们分别对应着RGB
  • [0],[1]和[2]来分别计算蓝色，绿色和红色通道的histogram。
• mask: 掩模图像，如果想统计整幅图中的直方图就把它写为None，如果想统计某一部分的直方图，就制作一个掩模图像并使用它。
• histSize:BIN的数目，也应该用中括号表示 (需要用户方括号传入)，对于全刻度，我们传入[256].
• ranges:像素值范围常为[0,256] (RANGE，一般来说是[0,256])

I

import cv2 
img = cv2.imread("D:/WeChat.picture/cat.jpg",0)  # 0 表示转为 灰度图
hist = cv2.calcHist([img] , [0] , None ,[256] ,[0,256])          #None 表示 没掩盖 对整个图进行处理
hist.shape   # 结果显示出可能有256 个 取值 , 1 表示 2维 统计出现个数

(256, 1)

# opencv  是 (B G R)的形式 , matplotlib 是 (R B G) 的形式 可用 ravel 转化
import matplotlib.pyplot as plt
plt.hist(img.ravel() , 256)    # plt.hist(img.ravel() , 16) 将其 别分为 16 区间  
plt.show()