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)