OpenCV图像处理_直方图

OpenCV图像处理_直方图

1.直方图
1.1 直方图的术语和细节：
（1）dims：需要统计的特征数目
（2）bins：每个特征空间子区段的数目
（3）range：要统计特征的取值范围
1.2 直方图的意义：
（1）直方图是图像中像素强度分布的图形表达方式
（2）它统计了每一个强度值所具有的像素个数
（3）不同的图像的直方图可能是相同的
1.3 直方图的计算和绘制
语法：cv.calcHist(image,channels,mask,histSize,range[,hist[,accumulate]])
参数：
（1）image：原图像，传入参数时应该用[]括起来
（2）mask：如果输入图像为灰度图，则值为0；如果输入图像为彩色图，传入参数可以是[0]（蓝）,[1]（绿）,[2]（红）
（3）mask：掩膜图像，当统计整幅图像的直方图时，将其设为None；如果只想统计其中的一部分时，需要使用掩膜图像
（4）histSize：BIN的数目，传入参数时应该用[]括起来
（5）range：像素值范围，通常为[0,256]


1.4 掩膜的应用：用选定的图像、图形或物体，对要处理的图像进行遮挡，来控制图像处理的区域
掩膜的主要用途：
（1）提取感兴趣区域：用预先制作的感兴趣区掩膜与待处理图像进行“与”操作，得到感兴趣区图像，感兴趣区内图像保持不变，而区外图像值都为0
（2）屏蔽作用：用掩膜对图像上某些区域作屏蔽，使其不参加或不参加参数的计算，或仅对屏蔽区作处理或统计




2. 直方图均衡化
2.1 主要思想：把原始图像的灰度直方图从比较集中的某个灰度区间变成在更广泛灰度范围内的分布(可用来修正曝光过度的照片)
语法：dst=cv.equalizeHist(img)
参数：img–灰度图像
返回：dst–均衡化后的后果


2.2 自适应的直方图均衡化
主要思想：将整幅图像分成很多小块，然后再对每一小块进行直方图均衡化
语法：cv.creatCLAHE(clipLimit,tileGridSize)
参数：
（1）clipLimit：对比度限制，默认是40
（2）tileGridSize：分块的大小，默认为8*8