python-图像处理自定义函数显示图片直方图

最新推荐文章于 2023-12-25 21:13:49 发布

Matrix_Ceasor

最新推荐文章于 2023-12-25 21:13:49 发布

阅读量1.2k

点赞数 1

文章标签： python 算法 opencv 计算机视觉

本文链接：https://blog.csdn.net/qq_42250840/article/details/104879632

版权

本文介绍了图像处理中的直方图概念，包括直方图定义、灰度直方图的计算方法、彩色直方图的处理方式，以及直方图均衡化和匹配的技术。直方图均衡化可以有效增强图像对比度，直方图匹配则允许将图像变换为特定的灰度分布。

摘要由CSDN通过智能技术生成

一、直方图定义
直方图显示图像数据时会以左暗又亮的分布曲线形式呈现出来，而不是显示原图像数据，并且可以通过算法来对图像进行按比例缩小，且具有图像平移、旋转、缩放不变性等众多优点。直方图在进行图像计算处理时代价较小，所以经常用于图像处理！
二、灰度直方图
依据定义，若图像具有L（通常L=256,即8位灰度级）级灰度，则大小为MxN的灰度图像f(x,y)的灰度直方图hist[0…L-1]可用如下计算获得。
1、初始化 hist[k]=0; k=0,…,L-1
2、统计 hist[f(x,y)]++; x=0,…,M-1, y =0,…,N-1
3、归一化 hist[f(x,y)]/=M*N
图像的灰度直方图是灰度级的函数，描述的是图像中具有该灰度级的像素的个数：其中，横坐标是灰度级，纵坐标是该灰度级出现的频率。

#计算灰度图的直方图
def clczhifangtu(gray) :
    hist_new = []
    num = []
    hist_result = []
    hist_key = []
    gray1 = list(gray.ravel())	#将读取出来的数组转化为一维列表方便循环遍
    obj = dict(collections.Counter(gray1))	#计算每个灰度级出现的次数
    obj = sorted(obj.items(),key=lambda item:item[0])
    for each in obj :
        hist1 = [