python 直方图每个bin中的值_opencv-python直方图操作

Histograms

0-255说明你需要256个点来描述一个直方图

术语

BINS:上面的直方图显示每个像素值的像素数量，即从0到255。举个例子，如果将直方图分成16份，那么每一份就是一个组，也就是16个像素；我们把这一个组称之为BIN

DIMIS:收集数据的参数数量，这个例子中我们只收集关于一个东西的数据，强度值这里是1。

直方图均衡

import cv2

def histogramEqualizeColor(img):

ycrcb = cv2.cvtColor(img, cv2.COLOR_BGR2YCR_CB)

channels = cv2.split(ycrcb)

print len(channels)

cv2.equalizeHist(channels[0], channels[0])

cv2.merge(channels, ycrcb)

cv2.cvtColor(ycrcb, cv2.COLOR_YCR_CB2BGR, img)

return img

自适应直方图均衡

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

import cv2

import numpy as np

# 自适应直方图均衡

def histogram_adapting_equal(image):

'''

:param image:输入的图片，需要是opencv的灰度单通道图

:return: 直方图均衡处理后图

'''

clahe = cv2.createCLAHE(clipLimit=3.0, tileGridSize=(8, 8))

cll = clahe.apply(image)

return cll

直方图拉伸

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

import cv2

import numpy as np

def histogram_scale_color(img, minBinNo=0, maxBinNo=250):

# 使用Numpy函数计算直方图

# hist, bins = np.histogram(img.flatten(), 256, [0, 256])

hist = cv2.calcHist([img], [0], None, [256], [0, 256])

lut = np.zeros(256, dtype=img.dtype) # 创建空的查找表

# 计算从左边起第一个不为0的直方图位置

for binNo, binValue in enumerate(hist):

if binValue != 0:

# minBinNo = binNo

break

# 计算从右边起第一个不为0的直方图位置

for binNo, binValue in enumerate(hist):

if binValue != 0:

# maxBinNo = 255 - binNo

break

print 'minBinNo : ', minBinNo, ' , maxBinNo : ', maxBinNo

for i, v in enumerate(lut):

if i < minBinNo:

print '小于minBinNo, 赋值为0'

lut[i] = 0

elif i > maxBinNo:

print '大于maxBinNo, 赋值为255'

lut[i] = 255

else:

lut[i] = int(255.0 * (i - minBinNo) / (maxBinNo - minBinNo) + 0.5)

result = cv2.LUT(img, lut)

return result