《python+opencv3.3视频教学 基础入门》直方图应用 笔记

源码：

import cv2 as cv
import numpy as np


# 整体的直方图均衡化，可以增强图片对比度，但整体的
# 直方图均衡化可能会造成图片的某些部分的信息丢失。
# OpenCV中的直方图均衡化都是基于灰度图像，所以彩色图像要先转成灰度图。
def equalHist_demo(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    # cv.equalizeHist()自动调整图像的对比度，把图像变清晰化，对比度增强，是图像增强的一个手段。
    dst = cv.equalizeHist(gray)
    cv.imshow("equal-demo", dst)


# 局部的直方图均衡化
def clahe_demo(image):
    gray = cv.cvtColor(image, cv.COLOR_BGR2GRAY)
    clahe = cv.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
    dst = clahe.apply(gray)
    cv.imshow("clahe-demo", dst)


def create_rgb_hist(image):
    h, w, c = image.shape
    # 直方图的数据类型必须是float32，否则可能出错。
    rgbHist = np.zeros([16 * 16 * 16, 1], np.float32)
    bsize = 256 / 16
    for row in range(h):
        for col in range(w):
            b = image[row, col, 0]
            g = image[row, col, 1]
            r = image[row, col, 2]
            index = np.int(b / bsize) * 16 * 16 + np.int(g / bsize) * 16 + np.int(r / bsize)
            rgbHist[np.int(index), 0] = rgbHist[np.int(index), 0] + 1
    print(rgbHist.shape)
    return rgbHist


# 直方图比较，这里认为两张图大小一致。如果两张图大小不一致也可以进行比较，但是要进行归一化。
# 直方图比较可以帮助我们以图搜图，如三个指标显示某张图像与要搜索的图像相差很大，可以直接忽略掉。
def hist_compare(image1, image2):
    hist1 = create_rgb_hist(image1)
    hist2 = create_rgb_hist(image2)
    match1 = cv.compareHist(hist1, hist2, cv.HISTCMP_BHATTACHARYYA)   # 巴氏距离
    match2 = cv.compareHist(hist1, hist2, cv.HISTCMP_CORREL)          # 相关性
    match3 = cv.compareHist(hist1, hist2, cv.HISTCMP_CHISQR)          # 卡方
    print("巴氏距离：%s，相关性：%s，卡方：%s" % (match1, match2, match3))


print("----------Hello Python----------")
src = cv.imread("C:/cvtest/0000.jpg")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)

equalHist_demo(src)
clahe_demo(src)

image1 = cv.imread("C:/cvtest/0000.jpg")
image2 = cv.imread("C:/cvtest/woman1.jpg")
hist_compare(image1, image2)

cv.waitKey(0)

cv.destroyAllWindows()