Opencv4 -Python官方教程学习笔记20---直方图

目标

查找绘制直方图

理论

直方图：
横坐标：图像中各个像素点的灰度级
纵坐标：灰度级的个数
归一化直方图：
纵坐标为：出现这个灰度级的概率(原先的纵坐标/像素总数)
DIMS：
使用参数的数量，考虑几件事情，一般情况为1
BINS：
参数子集的数目，例如灰度级：0-255，意思为256个子集
RANGE:
灰度值的范围

绘制直方图

1.使用Matplotlib
Matplotlib带有直方图绘图功能：matplotlib.pyplot.hist() 它直接找到直方图并将其绘制。您无需使用calcHist()或np.histogram()函数来查找直方图。请参见下面的代码：

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
path = r'D:\Laboratory\Study\Computer Vision\opencv4-python\timg.jpg'  
img = cv.imread(path,0)     #读取图像,并转化为灰度图像
#hist函数：第一个参数：图像；第二个参数：像素级
#img.Ravel()：将多维数组转化为一维数组
plt.hist(img.ravel(),256,[0,256]); plt.show()

结果：
2.使用opencv绘制直方图
统计直方图
使用opencv绘制直方图之前需要先统计直方图：
现在我们使用cv.calcHist()函数查找直方图。让我们熟悉一下该函数及其参数：
cv.calcHist（images，channels，mask，histSize，ranges [，hist [，accumulate]]）

images：它是uint8或float32类型的源图像。它应该放在方括号中，即“ [img]”。
channels：也以方括号给出。它是我们计算直方图的通道的索引。例如，如果输入为灰度图像，则其值为[0]。对于彩色图像，您可以传递[0]，[1]或[2]分别计算蓝色，绿色或红色通道的直方图。
mask：图像掩码。为了找到完整图像的直方图，将其指定为“无”。但是，如果要查找图像特定区域的直方图，则必须为此创建一个掩码图像并将其作为掩码。（我将在后面显示一个示例。）
histSize：这表示我们的BIN计数。需要放在方括号中。对于全尺寸，我们通过[256]。
ranges：这是我们的RANGE。通常为[0,256]。

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

hist是256x1的数组，每个值对应于该图像中具有相应像素值的像素数。
绘制直方图：
使用matplot：

plt.plot(histr,color = col)
plt.show()

当然这里我们也可以绘制三通道的图像

hist = cv.calcHist([img],[0],None,[256],[0,256])
color = ('b','g','r')
for i,col in enumerate(color):
    histr = cv.calcHist([img],[i],None,[256],[0,256])
    plt.plot(histr,color = col)
    plt.xlim([0,256])    #指定线条颜色
    plt.show()

结果展示：

使用opencv

掩膜
我们使用了cv.calcHist()来查找整个图像的直方图。如果你想找到图像某些区域的直方图呢?只需创建一个掩码图像，在你要找到直方图为白色，否则黑色。然后把这个作为掩码传递。

#%%掩膜
# mask = np.zeros(images,shape,np.uint8)
# mask[200:400;200:400]    掩膜图像白底
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
path = r'D:\Laboratory\Study\Computer Vision\opencv4-python\timg.jpg'  
img = cv.imread(path,0)     #读取图像,并转化为灰度图像
mask = np.zeros(img.shape,np.uint8)
mask[200:400,200:400] = 255
masked_img = cv.bitwise_and(img,img,mask = mask)
cv.imshow('2',masked_img)
hist = cv.calcHist([img],[0],mask,[256],[0,256])
hist1 = cv.calcHist([img],[0],None,[256],[0,256])
# plt.plot(hist1)