1. 直方图
- 直方图是对数据的统计集合,并将统计结果分布于一系列预定义的 bins 中。这里的数据不仅仅指的是灰度值,且统计数据可能是任何有效描述图像的特征。
- 灰度直方图是一幅图像中个像素灰度值出现次数或频数的统计结果,它只反映该图像中灰度值出现的频率,而未反映某一灰度值像素所在的位置。也就是说,它只包含了该图像中某个灰度值的像素出现的概率,而丢失了其所在的位置的信息。
- 直方图意义:
1. 直方图是图像中像素强度分布的图形表达方式。
2. 直方图统计了每一个强度值所具有的像素个数。 - 性质:
- 灰度直方图只能反映图像的灰度分布情况,而不能反映图像像素的位置,即丢失了像素的位置信息
- 一幅图像对应唯一的灰度图像图,但是不同的图像可对应相同的直方图
- 一幅图像分成多个区域,多个区域的直方图之和即为原图像的直方图
- 应用:
它可以确定图像二值化的阈值。当我们的发现某一幅图像的灰度直方图中有两个波峰,有一个波谷的话,那么这个波谷就可以作为这幅图像二值化的阈值.
- 函数实现: plt.hist(src, pixel) : 1. src必须是一维数组,一般用 .ravel()函数将多维数组拉成一维数组 2. pixel : bin的个数(一般为256)
- 代码如下:
def plot_demo(image):
plt.hist(image.ravel(), 256, [0, 256]) # image.ravel()将图像展开,256为bins数量,[0, 256]为范围
plt.show()
- 函数实现:cv2.calcHist(images, channels, mask, histSize, ranges)
- 参数说明: 1. images 输入图像 2. channels 哪个通道 3. mask:默认为none
- mask:掩膜,是一个大小和image一样的np数组,其中把需要处理的部分指定为1,不需要处理的部分指定为0,一般设置为None,表示处理整幅图像
- histSize:使用多少个bin(柱子),一般为256
- ranges:像素值的范围,一般为[0,255]表示0~255
- 代码如下:
def image_hist(image):
color = ('blue', 'green', 'red')
for i, color in enumerate(color):
# 计算出直方图,calcHist