opencv python 直方图_OpenCV Python 直方图

OpenCV Python 直方图

直方图

什么是直方图

直方图的作用

敲程序

下面为使用Python的OpenCV和matplotlib来编写几个samples程序来实际感受一下图像的直方图：

使用matplotlib计算直方图

代码

import cv2

import numpy as np

from matplotlib import pyplot as plt

img = cv2.imread('~/Pictures/IMG_4137.JPG', 0)

plt.hist(img.ravel() , 256, [0, 256])

plt.show()

出现错误

上面的这段程序，你运行会出现这样的error：

Traceback (most recent call last):

File "/home/aobo/PycharmProjects/OpenCV2/Histograms/hist.py", line 6, in

plt.hist(img.ravel() , 256, [0, 256])

AttributeError: 'NoneType' object has no attribute 'ravel'

解决办法

将代码里的下面这行

img = cv2.imread('~/Pictures/IMG_4137.JPG', 0)

修改为：(图片路径使用完整的绝对路径)

img = cv2.imread('/home/aobo/Pictures/IMG_4137.JPG', 0)

错误的原因是：img变量没有成功的载入图片(cv2.imread())，所以这个img变量就是一个没有任何变量类型的一个变量，在Python语言里img现在就是一个NoneType对象。因为只要Mat对象才有ravel()这个方法，而NoneType对象没有，所以才出现了上面的error。

img.ravel()　将图像转成一维数组。

运行结果：

输出一个彩色图像的直方图

代码

import cv2

import numpy as np

from matplotlib import pyplot as plt

img = cv2.imread('/home/aobo/Pictures/IMG_4137.JPG')

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

# enumerate():python里的一个新函数

# 它的作用：同时遍历索引(i)和元素(col)

for i,col in enumerate(color):

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

plt.plot(histr, color = col)

plt.xlim([0, 256])

plt.show()

运行效果

代码讲解

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

cv2.calcHist()是OpenCV里面求直方图的函数。下面介绍这个函数需要传入的形参：

cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate]])

实参

对应形参

解释

[img]

images

原始图像，需要使用[]修饰

[i]

channels

cv2.calcHist()函数一次只能得到一张图片的其中一个通道的直方图，所以，这里传入的是本次需要处理的元素图片的通道的索引号，同样需要使用[]修饰。如果输入的元素图像是灰度图，它的值就是[0]; 如果输入的元素图像是彩色图像的话，传入的参数可以是[0], [1], [2]，它们分别对应着通道B, G, R。

plt.plot(histr, color = col)

这句话中的col的值是：’b’, ‘g ’ 或 ‘r’，赋给color形参，函数会自动处理成形应的颜色值，用这个颜色值将histr直方图绘制到plt画板上。

plt.xlim([0, 256])

设置plt画板x轴的上下限，就是x轴所显示的长度。我们将这段代码修改出下面这个样子，然后运行程序，会得到下面的结果：

plt.xlim([0, 100])

使用掩模

代码

import cv2

import numpy as np

from matplotlib import pyplot as plt

img = cv2.imread('/home/aobo/Pictures/IMG_4137.JPG')

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

mask = np.zeros(img.shape[:2], np.uint8)

mask[1000:2000, 1000:2000] = 255

masked_img = cv2.bitwise_and(img, img, mask = mask)

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

hist_mask = cv2.calcHist([img], [0], mask, [256], [0, 256])

plt.subplot(221), plt.imshow(img, 'gray')

plt.subplot(222), plt.imshow(mask, 'gray')

plt.subplot(223), plt.imshow(masked_img, 'gray')

plt.subplot(224), plt.plot(hist_full), plt.plot(hist_mask)

plt.xlim([0, 256])

plt.show()

运行效果

：当原始图像使用较大图像的时候，你会发现程序运行后需要好久才能得到下面的结果。

代码解释

mask = np.zeros(img.shape[:2], np.uint8)

mask[1000:2000, 1000:2000] = 255

制作一个掩模。首先使用np.zeros()函数创建一个与原图尺寸和深度都一样，像素值全为0(黑色)图像mask，然后指定mask掩模的[1000:2000, 1000:2000]区域的像素全为255(白色)。上图右上角的图就是掩模图像。

masked_img = cv2.bitwise_and(img, img, mask = mask)

现在掩模发挥了作用：掩模的黑色区域(像素值为0)用来遮盖原图img，即不参与图像处理，只保留像素值不为0的区域。masked_img图像就是上图左下角的图像。

cv2.bitwise_and()函数的功能是位与。下面是这个函数的声明：

cv2.bitwise_and(src1, src2[, dst[, mask]])

当前代码里，对应的src1和src2是同一种数据类型，所以此时cv2.bitwise_and()函数执行的是下面的操作：

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

hist_mask = cv2.calcHist([img], [0], mask, [256], [0, 256])

分别计算出原图img的直方图和img掩模区域的直方图。

plt.subplot(221), plt.imshow(img, 'gray')

plt.subplot(222), plt.imshow(mask, 'gray')

plt.subplot(223), plt.imshow(masked_img, 'gray')

plt.subplot(224), plt.plot(hist_full), plt.plot(hist_mask)

plt.xlim([0, 256])

subplot()是matplotlib.pyplot里的函数。它是：将多个图画到一个平面上的工具。

subplot(m, n, p) 或者subplot(mnp)

m

表示图排成m行

n

表示图排成n列

p

表示将图画到Figure(指的是上面截图里的窗口)哪个图上，顺序是从左到右，从上到下