机器学习实践三：图像直方图统计

1. 永久性添加某个库：

!mkdir /home/aistudio/external-libraries
!pip install beautifulsoup4 -t /home/aistudio/external-libraries

使用：

import sys 
sys.path.append('/home/aistudio/external-libraries')

2. 统计灰度直方图：

（1）怎么将图像灰度化：

代码：

1.

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

# 灰度化
img = cv2.imread("lenna.png")
h, w = img.shape[:2]  # 获取图片的high和wide
img_gray = np.zeros([h, w], img.dtype)  # 创建一张和当前图片大小一样的单通道图片
for i in range(h):
    for j in range(w):
        m = img[i, j]  # 取出当前high和wide中的BGR坐标
        img_gray[i, j] = int(m[0] * 0.11 + m[1] * 0.59 + m[2] * 0.3)  # 将BGR坐标转化为gray坐标并赋值给新图像
print(img_gray[2,1])
# 二值化
img_binary = np.where(img_gray/255 >= 0.5, 1, 0)

# 画图
img = plt.imread("lenna.png")
plt.subplot(221)
plt.imshow(img)
plt.title('Color map')

plt.subplot(222)
plt.imshow(img_gray, cmap='gray')
plt.title('gray')

plt.subplot(223)
plt.imshow(img_binary, cmap='gray')
plt.title('img_binary')
plt.savefig('mytestplt.png')
plt.show()

2.用第三方库：

# 灰度化
#img_gray = rgb2gray(img) # 此函数做灰度化，返回的数值范围为0-1.所以在做二值化的时候无需除以255
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 因为imread读进来的是BGR数据，所以这里做BGR转GRAY

# 二值化
img_binary = np.where(img_gray/255 >= 0.5, 1, 0) 

(2):

plt.hist()

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

img = cv2.imread('data/nezha.jpg',1)#1是彩色图像
img1=img
plt.subplot(211)
plt.hist(img.reshape(-1),256,[0,256])
plt.show()
plt.subplot(212)
plt.hist(img1.reshape(-1),256,[0,256],edgecolor='r')
plt.show()

(3)

cv2.calcHist

import cv2
# import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('data/nezha.jpg',0)
histr = cv2.calcHist([img],[0],None,[256],[0,256]) #channels==0意思是用图像编码的通道数，默认为零#hist是一个shape为(256,1)的数组，表示0-255每个像素值对应的像素个数，下标即为相应的像素值
plt.plot(histr,color = 'b')
plt.xlim([0,256])
plt.show()

import cv2
from matplotlib import pyplot as plt
img = cv2.imread('data/nezha.jpg',1) 
color = ('b','g','r')
for i,col in enumerate(color):#i为下标，col为颜色
    histr = cv2.calcHist([img],[i],None,[256],[0,256])
    #hist是一个shape为(256,1)的数组，表示0-255每个像素值对应的像素个数，下标即为相应的像素值
    plt.plot(histr,color = col)
    plt.xlim([0,256])
plt.show()

总体：

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

def main():
    img=cv2.imread('data/nezha.jpg',0)
    #得到计算灰度直方图的值
    n = np.array(img)
    xy=xygray(img)   

    #画出灰度直方图
    x_range=range(256)
    plt.plot(x_range,xy,"r",linewidth=2,c='black')
    #设置坐标轴的范围
    y_maxValue=np.max(xy)
    plt.axis([0,255,0,y_maxValue])
    #设置坐标轴的标签
    plt.xlabel('gray Level')
    plt.ylabel("number of pixels")
    plt.show()

def xygray(img):
    #得到高和宽
    rows,cols=img.shape
    print(img.shape)
    #存储灰度直方图
    print(img.dtype)
    xy=np.zeros([256],np.uint64)
    for r in range(rows):
        for c in range(cols):
            xy[img[r][c]] += 1
    #返回一维ndarry
    print(xy.sum())
    return xy

main()