python之图像直方图

1 图像直方图

1.1 直方图定义

1. 定义：横坐标:图像中各个像素点的灰度级 ；纵坐标:就有该灰度级的像素个数
2. 归一化直方图：横坐标:图像中各个像素点的灰度级 ；纵坐标:出现这个灰度的概率

2 pyplot绘制直方图

• pyplot提供了类似matlab的绘图框架 ，import matplolib.pyplot as plt，函数hist(数据源，像素级)
• 功能：根据数据源以及像素级绘制直方图 数据源：图像，必须是一维数组 函数ravel b=a.ravel()
• 功能：将多维数组降为一维数组
• 格式：一维数组=多维数组.revel() 像素级：一般是256，指[0, 255]

3 opencv绘制直方图

• 统计直方图函数 calcHisthist = cv2.calcHist(images, channels, mask,histSize, ranges,accumulate)
• 参数
  Images：原始图像
  Channels：指定通道，通道编号需要用中括号括起来，输入图像是灰度图时，它的值为[0]；彩色图像可以使[0],[1],[2]分别对应通道B，G，R。
  •mask：掩码图像，统计整幅图像的直方图，设为None；统计图像某一部分的直方图时，需要掩码图像
• 生成掩码图像的操作

mask = np.zeros(image.shape, np.uint8)
		mask[200:400, 200:400] = 255

• histSize：BINS的数量
• ranges：像素值返回RANGE；像素值范围，例如：[0, 255]
• Accumulate：累计标识；默认值为false；如果被设置为true,则直方图在开始分配时不会被清零，该参数允许从多个对象中计算单个直方图，或者用户实施更新直方图；多个直方图的累计结果，用户对一组图像计算直方图
• 返回值 Hist：直方图，使用pyplot绘制
• 生成掩膜图像

例如：mask = np.zero(800, np.uint8)
mask[300:500, 300:500] = 255
masked_img = cv2.bitwise_and(img, mask)

4 直方图均衡化

• 理论基础
  前提： 如果一幅图像占有全部可能的灰度级，并且均匀分布。
  结论： 该图像具有高对比度和多变的灰度色调
  外观： 图像细节丰富，质量更高
• 算法
  计算累计直方图
  将累计直方图进行区间转换
  在累计直方图中，概率相近的原始值，会被处理为相同的值
• 应用场合
  医疗图像处理；车牌识别；人脸识别
• 均衡化函数equalizeHist dst = cv2.equalizeHist(src) （灰度图）
  参数 src : 源图像
  返回值 dst : 目标图像，处理结果
• 分栏函数subplot subplot(nrows, ncols, plot_number) 参数 nrows : 行号 ncols :
  列号 plot_number : 窗口序号

•示例： subplot(2, 3, 4)
•特例： 当每一个参数都小于10时，可以直接书写三个数字，表示为subplot(234)

4 实例

#!/usr/bin/env python
# encoding: utf-8
# @Time    : 2020/8/8 11:18
# @Author  : yq
# @Site    : 
# @File    : tutorial_7.py.py
# @Software: PyCharm

import matplotlib.pyplot as plt
import numpy as np
import cv2 as cv
# 使用plt绘制直方图
def hist_demo(image):
    plt.hist(image.ravel(),255)
    plt.show()

# 彩色图像直方图
def calcHist_color_demo(image):
    histb = cv.calcHist([image], [0], None, [256], [0, 255])
    histg = cv.calcHist([image], [1], None, [256], [0, 255])
    histr = cv.calcHist([image], [2], None, [256], [0, 255])
    plt.plot(histb, color = "b")
    plt.plot(histg, color = "g")
    plt.plot(histr, color = "r")
    plt.show()


# 灰色图像直方图
def calcHist_gray_demo(image):
    histb = cv.calcHist([image], [0], None, [256], [0, 255])
    plt.plot(histb, color="b")
    plt.show()

# 绘制掩码直方图
def caicHist_mask_demo(image):
    # 显示灰度图
    image = cv.cvtColor(image,cv.COLOR_BGR2GRAY)
    plt.subplot(221)
    plt.imshow(image,plt.cm.gray)
    # 显示掩码
    mask = np.zeros(image.shape, np.uint8)
    mask[20:40, 20:40] = 255
    plt.subplot(222)
    plt.imshow(mask,plt.cm.gray)
    # 掩码绘制直方图
    histMI = cv.calcHist([image], [0], mask, [256], [0, 255])
    plt.subplot(223)
    plt.plot(histMI, color="b")
    # 全部图像绘制直方图
    histImage = cv.calcHist([image], [0], None, [256], [0, 255])
    plt.subplot(224)
    plt.plot(histImage, color="r")
    plt.show()

# 均衡化直方图（对比）
def equ_demo(img):
    img = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
    equ = cv.equalizeHist(img)
    plt.subplot(2,2,1)
    plt.imshow(img, plt.cm.gray)
    plt.axis('off')
    #
    plt.subplot(222)
    plt.hist(img.ravel(), 256)

    plt.subplot(223)
    plt.imshow(equ, plt.cm.gray)
    plt.axis('off')

    plt.subplot(224)
    plt.hist(equ.ravel(), 256)
    plt.show()


src = cv.imread("C:/Users/Administrator/Pictures/tt.png")
# cv.imshow("inputWindows", src)
caicHist_mask_demo(src)
cv.waitKey(0)
cv.destroyAllWindows();