OpenCV - 直方图绘制（Python实现）

原理

  直方图的 x 轴是灰度值（0 到 255）， y 轴是图片中具有同一个灰度值的点的数目。直方图其实就是对图像的另一种解释。通过直方图我们可以对图像的对比度，亮度，灰度分布等有一个直观的认识。

相关术语

BINS： 上面的直方图显示了每个灰度值对应的像素数。
DIMS：表示我们收集数据的参数数目。如果我们对收集到的数据只考虑一件事：灰度值。所以这里就是 1。
RANGE：就是要统计的灰度值范围，一般来说为 [0， 256]，也就是说所有的灰度值

统计直方图

1.使用 OpenCV

cv2:calcHist(images; channels; mask; histSize; ranges[; hist[; accumulate]])

参数	**
images	原图像（图像格式为 uint8 或 float32） 当传入函数时应该用中括号 [] 括起来，例如： [img]
channels:	同样需要用中括号括起来 灰度图值就是 [0]；彩色图像 [0]， [1]， [2] 分别对应B， G， R
mask:	掩模图像 要统计整幅图像的直方图就把它设为 None
histSize	BIN 的数目 也应该用中括号括起来，例如： [256]
ranges:	像素值范围，通常为 [0， 256]

2.使用 Numpy

#img.ravel() 将图像转成一维数组，这里没有中括号。
hist,bins = np.histogram(img.ravel(),256,[0,256])
hist=np.bincount(img.ravel()， minlength=256)#速度较上函数快十倍左右

  hist 与上面计算的一样。但是这里的 bins 是 257，因为 Numpy 计算bins 的方式为： 0-0.99,1-1.99,2-2.99 等。所以最后一个范围是 255-255.99。为了表示它，所以在 bins 的结尾加上了 256。但是我们不需要 256，到 255就够了。

绘制直方图

  Matplotlib 中有直方图绘制函数：matplotlib.pyplot.hist()

   matplotlib.pyplot.hist(  
    x, bins=10, range=None, normed=False,   
    weights=None, cumulative=False, bottom=None,   
    histtype=u'bar', align=u'mid', orientation=u'vertical',   
    rwidth=None, log=False, color=None, label=None, stacked=False,   
    hold=None, **kwargs)  

参数	**
x	这个参数是指定每个bin(箱子)分布的数据,对应x轴
bins	指定bin(箱子)的个数,也就是总共有几条条状图
normed	这个参数指定密度,也就是每个条状图的占比例比,默认为1
color	这个指定条状图的颜色

  下面对这个图像进行统计直方图。

import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('image.jpg',0)
plt.hist(img.ravel(),256,[0,256],);
plt.show()

  或者你可以只使用 matplotlib 的绘图功能， 这在同时绘制多通道（BGR）的直方图。

import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('image.jpg')
color = ('b','g','r')
# 对一个列表或数组既要遍历索引又要遍历元素时
# 使用内置 enumerrate 函数会有更加直接，优美的做法
#enumerate 会将数组或列表组成一个索引序列。
# 使我们再获取索引和索引内容的时候更加方便
for i,col in enumerate(color):
    histr = cv2.calcHist([img],[i],None,[256],[0,256])
    plt.plot(histr,color = col)
    plt.xlim([0,256])
plt.show()

使用掩模

  要统计图像某个局部区域的直方图只需要构建一副掩模图像。将要统计的部分设置成白色，其余部分为黑色，就构成了一副掩模图像。然后把这个掩模图像传给函数就可以了。

import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('image.jpg',0)
# create a mask
mask = np.zeros(img.shape[:2], np.uint8)
mask[0:300, 180:400] = 255
masked_img = cv2.bitwise_and(img,img,mask = mask)
# Calculate histogram with mask and without mask
# Check third argument for mask
hist_full = cv2.calcHist([img],[0],None,[256],[0,256])
hist_mask = cv2.calcHist([img],[0],mask,[256],[0,256])
plt.subplot(221), plt.imshow(img, 'gray')
plt.subplot(222), plt.imshow(mask,'gray')
plt.subplot(223), plt.imshow(masked_img, 'gray')
plt.subplot(224), plt.plot(hist_full), plt.plot(hist_mask)
plt.xlim([0,256])
plt.show()