python opencv直方图_Python opencv直方图,PythonOpenCV

# -*- coding: utf-8 -*-

'''

Python OpenCV 显示直方图

'''

import cv2

import numpy as np

from matplotlib import pyplot as plt

#%% 使用plt绘制灰度图

img = cv2.imread('lena.jpg',0)

plt.figure()

#plt.hist(img.ravel(),256,[0,256]); # img.ravel() 不建议

plt.hist(img.flatten(), bins=np.arange(0,256,1), density=0, facecolor='b',edgecolor='b')

#%% 使用plt绘制彩色图

plt.figure()

img3 = cv2.imread('lena.jpg',1)

color = ('b','g','r')

for i,col in enumerate(color):

histr = cv2.calcHist([img3],[i],None,[256],[0,256])

plt.plot(histr,color = col)

plt.xlim([0,256])

plt.show()

#%% 在图像上绘制

def calcAndDrawHist(image, color):

hist= cv2.calcHist([image], [0], None, [256], [0.0,255.0])

minVal, maxVal, minLoc, maxLoc = cv2.minMaxLoc(hist)

histImg = np.zeros([256,256,3], np.uint8)

hpt = int(0.9* 256);

for h in range(256):

intensity = int(hist[h]*hpt/maxVal)

cv2.line(histImg,(h,256), (h,256-intensity), color)

return histImg;

img3 = cv2.imread('lena.jpg',1)

b, g, r = cv2.split(img3)

histImgB = calcAndDrawHist(b, [255, 0, 0])

histImgG = calcAndDrawHist(g, [0, 255, 0])

histImgR = calcAndDrawHist(r, [0, 0, 255])

cv2.imshow("histImgB", histImgB)

cv2.imshow("histImgG", histImgG)

cv2.imshow("histImgR", histImgR)

cv2.waitKey(0)

cv2.destroyAllWindows()

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
要使用compareHist函数进行图像直方图比较,需要先将要比较的两幅图像的直方图计算出来。具体步骤如下: 1. 导入必要的库: ```python import cv2 import numpy as np from matplotlib import pyplot as plt ``` 2. 加载要比较的两幅图像: ```python img1 = cv2.imread('image1.png') img2 = cv2.imread('image2.png') ``` 3. 将图像转为HSV空间,并计算直方图: ```python hsv1 = cv2.cvtColor(img1, cv2.COLOR_BGR2HSV) hsv2 = cv2.cvtColor(img2, cv2.COLOR_BGR2HSV) hist1 = cv2.calcHist([hsv1], [0, 1], None, [180, 256], [0, 180, 0, 256]) hist2 = cv2.calcHist([hsv2], [0, 1], None, [180, 256], [0, 180, 0, 256]) ``` 其中,第一个参数是要计算直方图的图像,第二个参数是通道,[0, 1] 表示计算H和S通道的直方图,第三个参数是掩膜,这里不使用,第四个参数是直方图的大小,第五个参数是每个通道的取值范围。 4. 使用compareHist函数进行直方图比较: ```python # 使用相关性比较方法 corr = cv2.compareHist(hist1, hist2, cv2.HISTCMP_CORREL) print('Correlation:', corr) # 使用卡方比较方法 chi = cv2.compareHist(hist1, hist2, cv2.HISTCMP_CHISQR) print('Chi-Square:', chi) # 使用交叉熵比较方法 cross = cv2.compareHist(hist1, hist2, cv2.HISTCMP_INTERSECT) print('Intersection:', cross) # 使用巴氏距离比较方法 bhat = cv2.compareHist(hist1, hist2, cv2.HISTCMP_BHATTACHARYYA) print('Bhattacharyya:', bhat) ``` 其中,第一个参数是要比较的直方图1,第二个参数是要比较的直方图2,第三个参数是比较方法,可以选择相关性、卡方、交叉熵或巴氏距离。 5. 可以将比较结果可视化: ```python plt.subplot(121), plt.imshow(cv2.cvtColor(img1, cv2.COLOR_BGR2RGB)) plt.title('Image 1'), plt.xticks([]), plt.yticks([]) plt.subplot(122), plt.imshow(cv2.cvtColor(img2, cv2.COLOR_BGR2RGB)) plt.title('Image 2'), plt.xticks([]), plt.yticks([]) plt.show() ``` 这样就可以使用Python Opencv中的compareHist函数进行图像直方图比较了。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值