计算机视觉基础系列（python与opencv的操作与运用/tensorflow的基础介绍）（十五）---直方图

1 直方图的引入

opencv在图像处理方面的基础应用，彩色图像的相关知识和技术以及直方图的均衡化和规定化的原理是必须提前掌握。

直方图的概念，横坐标表示像素值0-255的值，纵坐标表示像素值在整个图像中的概率是多少，值在0-1之间。

直方图均衡化：一张图的直方图没有均匀分布，可以使用均衡化方法，尽可能的离散化，则称为直方图的均衡化

下面是直方图的代码：

import cv2
import numpy as np


def ImageHist(image, type):
    color = (255, 255, 255)
    windowName = 'Gray'
    if type ==31:
        color = (255, 0, 0)
        windowName = 'B Hist'
    elif type == 32:
        color = (0, 255, 0)
        windowName = 'G Hist'
    elif type == 33:
        color = (0, 0, 255)
        windowName = 'R Hist'
    # 1 image  2  [0]  3 mask None    4  256   5   0-255
    # 完成hist直方图的统计，第一个参数：image，第二个参数，直方图的通道，这里是灰度直方图，则为0，全部用中括号括起来
    # 第三个参数用不到，第四个为将直方图分成多少份，总共256个灰度条，第五个参数是直方图中各个像素的值，从0-255的像素都遍历一下
    hist = cv2.calcHist([image], [0], None, [256], [0.0, 255.0])
    # 计算灰度直方图的最小值，最大值的下表，运用下面的函数获取
    minV, maxV, minL, maxL = cv2.minMaxLoc(hist)
    # 定义一个画布
    histImg = np.zeros([256, 256, 3], np.uint8)
    for h in range(0, 256):
        # 归一化
        intenNormal = int(hist[h]*256/maxV)
        cv2.line(histImg, (h, 256), (h, 256-intenNormal), color)
    cv2.imshow(windowName, histImg)
    return histImg


img = cv2.imread('1.jpg', 1)
# 将图像分成三个颜色通道
channels = cv2.split(img)
for i in range(0, 3):
    ImageHist(channels[i], 31+i)
cv2.waitKey(0)

运行结果如下：

2 直方图均衡化

直方图均衡化操作用以下代码的注释顺道一起解释如下：

注意的是直方图均衡化必须要在单通道处理里面进行的。所以灰度图应该是可以直接处理的，而彩色图像是需要分成三个通道进行单个处理的，代码如下：

import cv2
import numpy as np
img = cv2.imread('1.jpg', 1)
cv2.imshow('src', img)
# 使用直方图均衡化的时候必须要对单通道进行处理,所以在灰度图的时候可以直接处理，但是在彩色图的时候必须要分成三个通道进行处理
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow('gray', gray)
dst1 = cv2.equalizeHist(gray)
cv2.imshow('dst1', dst1)
(b, g, r) = cv2.split(img)
bH = cv2.equalizeHist(b)
gH = cv2.equalizeHist(g)
rH = cv2.equalizeHist(r)
# 通道的合成
dst2 = cv2.merge((bH, gH, rH))
cv2.imshow('dst2', dst2)
cv2.waitKey(0)

处理的结果是：

3 YUV直方图均衡化

这个方法用的较少，这里只是提及一下。