[图像处理]——直方图相关

一、灰度直方图

1、原理

直方图是对数据进行统计的一种方法，并且将统计值组织到一系列事先定义好的bin当中。其中，bin 为直方图中经常用到的一个概念，可以译为 “直条” 或 “组距”，其数值是从数据中计算出的特征统计量，这些数据可以是诸如梯度、方向、色彩或者其他任何特征。

 注意：直方图是根据灰度图进行绘制的。

假设有一张图像的信息（灰度值0~255，已知数字的范围包含256个值），于是可以按照一定的规律将这个范围分割成子区域（也就是bins），如：

2、术语和细节

• dims：需要统计的特征数目，在上例中，dims=1，因为仅仅统计了灰度值
• bins：每个特征空间子区段的数目，可译为 “直条” 或者 “组距”，在上例中，bins=16
• range：要统计特征的取值范围，在上例中，range=[0，255]

3、直方图的意义

1. 直方图是图像中像素强度分布的图形表达方式
2. 他统计了每一个强度值所具有的像素个数
3. 不同的图像的直方图可能是相同的

4、直方图的计算和绘制

我们使用OpenCV中的方法统计直方图，并使用matplotlib将其绘制出来。

• 注意：该API中参数都需要加中括号 "[]"

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
from matplotlib import font_manager
#设置字体
my_font = font_manager.FontProperties(fname="C:/Windows/Fonts/STHUPO.TTF")

#1、以灰度方式读取图片
img = cv.imread("images/girl.jpg", 0)

#2、统计灰度图
histr = cv.calcHist([img], [0], None, [256], [0,256])

#3、绘制灰度图
plt.figure(figsize=(10,8), dpi=100)
plt.subplot(121)
plt.title("原图", fontproperties=my_font)
#cmap是colormap的简称，用于指定渐变色，默认的值为viridis, 在matplotlib中，内置了一系列的渐变色
plt.imshow(img,cmap="gray")

plt.subplot(122)
plt.title("灰度直方图", fontproperties=my_font)
plt.plot(histr)
plt.show()

二、掩膜的应用（感兴趣区域的提取）

 掩膜是用选定的图像、图形或者物体，对要处理的图像进行遮挡，来控制图像处理的区域。

在数字图像处理中，我们通常使用二维矩阵数组进行掩膜。掩膜是由0和1组成的一个二进制图像，利用该掩膜图像对要处理的图像进行掩膜，其中1值的区域被处理，0值的区域被屏蔽，不会处理。

1、示例代码

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
from matplotlib import font_manager
#设置字体
my_font = font_manager.FontProperties(fname="C:/Windows/Fonts/STHUPO.TTF")

#1、直接以灰度方式读取图片
img = cv.imread("images/girl.jpg", 0)

#2、创建蒙版
mask = np.zeros(img.shape[:2], np.uint8)
mask[100:400, 0:500] = 255 #255代表白

#3、掩膜
masked_img = cv.bitwise_and(img, img, mask=mask)

#4、统计掩膜后图像的灰度图
mask_histr = cv.calcHist([img], [0], mask, [256], [0,256])

#5、图像显示
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(10,8))
axes[0,0].imshow(img, cmap="gray")
axes[0,0].set_title("原图", fontproperties=my_font)
axes[0,1].imshow(mask, cmap="gray")
axes[0,1].set_title("蒙版数据", fontproperties=my_font)
axes[1,0].imshow(masked_img, cmap="gray")
axes[1,0].set_title("掩膜后的数据", fontproperties=my_font)
axes[1,1].plot(mask_histr)
axes[1,1].grid() #加入网格
axes[1,1].set_title("灰度直方图", fontproperties=my_font)
plt.show()

三、直方图均衡化 

1、原理与应用

2、API介绍

3、简单使用

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
from matplotlib import font_manager
#字体设置
my_font = font_manager.FontProperties(fname="C:/Windows/Fonts/STHUPO.TTF")

#1、直接以灰度图的方式读入
img = cv.imread("images/girl.jpg", 0)

#2、均衡化处理
dst = cv.equalizeHist(img)

#3、结果显示
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(10,8), dpi=100)
axes[0].imshow(img, cmap="gray")
axes[0].set_title("原图", fontproperties=my_font)
axes[1].imshow(dst, cmap="gray")
axes[1].set_title("均衡化结果", fontproperties=my_font)
plt.show()

四、自适应的直方图均值化

1、直方图均值化的不足

图像进行直方图均值化后，确实改变了对比度，原本很暗的地方变亮了，清晰可见。但是也引来了不足之处，如下图中的雕像头的面部变得模糊，看不见东西，仅剩下面部轮廓。

2、自适应直方图均衡化的做法

为了解决上述直方图均值化带来的问题，需要使用自适应的直方图均值化。此时，整幅图像被分割成很多个小块，这些小块被称为 “titles”（在OpenCV中titles的大小默认是8x8），然后再对每一个小块分别进行直方图均衡化，所以在每个区域中，直方图会集中在某一个小区域中。如果有噪声的话，使噪声会被放大。为了避免这种情况的出现要使用对比度限制。对于每个小块来说，如果直方图中的bin超过对比度的话，就把其中的像素点均匀分散到其他bins中，然后再进行直方图均衡化。

3、API介绍

4、简单使用

import numpy as np
import cv2 as cv
import matplotlib.pyplot as plt
from matplotlib import font_manager
#设置字体
my_font = font_manager.FontProperties(fname="C:/Windows/Fonts/STHUPO.TTF")

#1、以灰度图形式打开图像
img = cv.imread("./images/girl.jpg", 0)

#2、创建一个自适应均衡化的对象，并应用于图像
clahe = cv.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))
cl1 = clahe.apply(img)

#3、图像显示
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(10,8), dpi=100)
axes[0].imshow(img, cmap="gray")
axes[0].set_title("原图", fontproperties=my_font)
axes[1].imshow(cl1, cmap="gray")
axes[1].set_title("自适应均衡化后的结果", fontproperties=my_font)
plt.show()

五、内容总结