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: