python去除图片复杂背景_[OpenCV-Python] OpenCV 中的图像处理 部分 IV (五）

部分 IV

OpenCV 中的图像处理

22 直方图

22.1 直方图的计算，绘制与分析

目标

• 使用 OpenCV 或 Numpy 函数计算直方图

• 使用 Opencv 或者 Matplotlib 函数绘制直方图

• 将要学习的函数有：cv2.calcHist()，np.histogram()

原理

什么是直方图呢？通过直方图你可以对整幅图像的灰度分布有一个整体的了解。直方图的 x 轴是灰度值(0 到 255)，y 轴是图片中具有同一个灰度值的点的数目。

直方图其实就是对图像的另一种解释。一下图为例，通过直方图我们可以对图像的对比度，亮度，灰度分布等有一个直观的认识。几乎所有的图像处理软件都提供了直方图分析功能。下图来自Cambridge in Color website，强烈推荐你到这个网站了解更多知识。

让我们来一起看看这幅图片和它的直方图吧。(要记住，直方图是根据灰度图像绘制的，而不是彩色图像)。直方图的左边区域像是了暗一点的像素数量，右侧显示了亮一点的像素的数量。从这幅图上你可以看到灰暗的区域比两的区域要大，而处于中间部分的像素点很少。

22.1.1 统计直方图

现在我们知道什么是直方图了，那怎样获得一副图像的直方图呢？

OpenCV 和 Numpy 都有内置函数做这件事。在使用这些函数之前我们有必要想了解一下直方图相关的术语。

BINS：上面的直方图显示了每个灰度值对应的像素数。如果像素值为 0到 255，你就需要 256 个数来显示上面的直方图。但是，如果你不需要知道每一个像素值的像素点数目的，而只希望知道两个像素值之间的像素点数目怎么办呢？举例来说，我们想知道像素值在 0 到 15 之间的像素点的数目，接着是 16 到 31,....，240 到 255。我们只需要 16 个值来绘制直方图。OpenCVTutorials on histograms中例子所演示的内容。

那到底怎么做呢？你只需要把原来的 256 个值等分成 16 小组，取每组的总和。而这里的每一个小组就被成为 BIN。第一个例子中有 256 个 BIN，第二个例子中有 16 个 BIN。在 OpenCV 的文档中用 histSize 表示 BINS。

DIMS：表示我们收集数据的参数数目。在本例中，我们对收集到的数据只考虑一件事：灰度值。所以这里就是 1。

RANGE：就是要统计的灰度值范围，一般来说为 [0，256]，也就是说所有的灰度值

使用 OpenCV 统计直方图 函数 cv2.calcHist 可以帮助我们统计一幅图像的直方图

可以帮助我们统计一幅图像的直方图。我们一起来熟悉一下这个函数和它的参数：

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

1. images: 原图像(图像格式为 uint8 或 float32)。当传入函数时应该用中括号 [] 括起来，例如：[img]。

2. channels: 同样需要用中括号括起来，它会告诉函数我们要统计那幅图像的直方图。如果输入图像是灰度图，它的值就是 [0]；如果是彩色图像的话，传入的参数可以是 [0]，[1]，[2] 它们分别对应着通道 B，G，R。

3. mask: 掩模图像。要统计整幅图像的直方图就把它设为 None。但是如果你想统计图像某一部分的直方图的话，你就需要制作一个掩模图像，并使用它。(后边有例子)

4. histSize:BIN 的数目。也应该用中括号括起来，例如：[256]。

5. ranges: 像素值范围，通常为 [0，256]

让我们从一副简单图像开始吧。以灰度格式加载一幅图像并统计图像的直方图。

img = cv2.imread('home.jpg',0)#别忘了中括号 [img],[0],None,[256],[0,256] ，只有 mask 没有中括号

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

hist 是一个 256x1 的数组，每一个值代表了与次灰度值对应的像素点数目。

使用 Numpy 统计直方图 Numpy 中的函数 np.histogram() 也可以帮我们统计直方图。你也可以尝试一下下面的代码：

#img.ravel() 将图像转成一维数组，这里没有中括号。

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

hist 与上面计算的一样。但是这里的 bins 是 257，因为 Numpy 计算

bins 的方式为：0-0.99,1-1.99,2-2.99 等。所以最后一个范围是 255-255.99。

为了表示它，所以在 bins 的结尾加上了 256。但是我们不需要 256，到 255就够了。

其 他：Numpy 还 有 一 个 函 数 np.bincount()， 它 的 运 行 速 度 是np.histgram 的 十 倍。 所 以 对 于 一 维 直 方 图， 我 们 最 好 使 用 这 个函 数。 使 用 np.bincount 时 别 忘 了 设 置 minlength=256。 例 如，

hist=np.bincount(img.ravel() ，minlength=256)

注意：OpenCV 的函数要比 np.histgram() 快 40 倍。所以坚持使用OpenCV 函数。

现在是时候学习绘制直方图了。

22.1.2 绘制直方图

有两种方法来绘制直方图：

1. Short Way(简单方法)：使用 Matplotlib 中的绘图函数。

2. Long Way(复杂方法)：使用 OpenCV 绘图函数

使用 Matplotlib Matplotlib 中有直方图绘制函数：matplotlib.pyplot.hist()

它可以直接统计并绘制直方图。你应该使用函数 calcHist() 或 np.histogram()

统计直方图。代码如下：

importcv2importnumpy as npfrom matplotlib importpyplot as plt

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

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

你会得到下面这样一幅图：

或者你可以只使用 matplotlib 的绘图功能，这在同时绘制多通道(BGR)的直方图，很有用。但是你首先要告诉绘图函数你的直方图数据在哪里。运行一下下面的代码：

importcv2importnumpy as npfrom matplotlib importpyplot as plt