初学python实现OpenCV之图像直方图（histogram）（八）

初学python实现OpenCV之图像直方图（histogram）

图像直方图

Bin的大小 = 图像中不同像素值的个数/Bin的数目
例如：14位的图像，创建256个bin直方图，则bin = 2^14/256=64

python-opencv直方图计算与显示

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


def plot_demo(image):
    plt.hist(image.ravel(), 256, [0, 256])
    plt.show("直方图")


def image_hist(image):
    color = ('blue', 'green', 'red')
    for i, color in enumerate(color):  # 绘制每一个颜色对应的直方图，从容器中进行迭代
        hist = cv.calcHist([image], [i], None, [256], [0, 256])
        plt.plot(hist, color=color)
        plt.xlim([0, 256])
    plt.show()
    
"""images: 输入的图像。
   channels: 需要统计直方图的第几通道
   mask: 可选的操作掩膜。
   histSize: 指的是直方图分成多少个区间，就是 bin的个数
   ranges: 每个维度中bin的取值范围，统计像素值的区间
"""
src = cv.imread("D:/Picture/fruits.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
# plot_demo(src)
image_hist(src)

cv.waitKey(0)
cv.destroyAllWindows()

直方图均衡化

直方图均衡化（对比度增强，基于灰度图像）

import cv2 as cv
import numpy as np

# 全局直方图均衡化
def equalHist_demo(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    # cv.equalizeHist（）函数作用：直方图均衡化，，用于提高图像的质量
    dst = cv.equalizeHist(gray)
    cv.imshow("equal_demo", dst)

# 自适应直方图均衡(局部直方图均衡化)，把整个图像分成许多小块（比如8*8小块），然后对每个小块进行均衡化。
def clahe_demo(image):
    # 图像灰度化
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    # cliplimit：灰度值、tilegridsize：图像切割成块，每块的大小
    clahe = cv.createCLAHE(clipLimit=10.0, tileGridSize=(8, 8))  
    dst = clahe.apply(gray)
    cv.imshow("clahe_demo", gray)

src = cv.imread("D:/Picture/bb.png")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
equalHist_demo(src)
clahe_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()

执行结果：