一、函数介绍
1、cv2.calcHist(images,channels,mask,histSize,ranges)-用于生成图像的频数直方图
参数:
images: 原图像图像格式为 uint8 或 float32。当传入函数时应 用中括号 [] 括来例如[img]
channels: 同样用中括号括来它会告函数我们统幅图 像的直方图。如果入图像是灰度图它的值就是 [0]如果是彩色图像 的传入的参数可以是 [0][1][2] 它们分别对应着 BGR。
mask: 掩模图像。统整幅图像的直方图就把它为 None。但是如 果你想统图像某一分的直方图的你就制作一个掩模图像并使用它。
histSize:BIN 的数目。也应用中括号括来
ranges: 像素值范围常为 [0256]
作用:
图像直方图表示的是颜色的像素值,在单个或者一个范围内出现的频数,一般图像会在某一个颜色区间内呈现较高的值
2、案例:
"""
1. 灰度图的颜色通道
第一步:读取图片
第二步:使用cv2.calhist([img], [0], None, [256], [0, 256]) 获得每个像素点的频数值
第三步:使用plt.hist(img.ravel(), 256)做出直方图
"""
import cv2
import numpy as np
import matplotlib.pyplot as plt
def cv_show(img, name):
cv2.imshow(name, img)
cv2.waitKey(0)
cv2.destroyAllWindows()
# 第一步读入图片
img = cv2.imread('cat.jpg', 0)
# 第二步:使用calchist计算每个像素点的频数
hist = cv2.calcHist([img], [0], None, [256], [1, 256])
# 第三步:进行画图操作
plt.subplot(131)
plt.imshow(img, cmap='gray')
plt.subplot(132)
plt.hist(img.ravel(), 256)
plt.subplot(133)
plt.plot(hist, color='red')
plt.show()
"""
2.研究不同通道的颜色频度
"""
# 研究不同颜色像素分布情况
img = cv2.imread('cat.jpg')
color = ['b', 'g', 'r']
for i, col in enumerate(color):
histr = cv2.calcHist([img], [i], None, [256], [1, 256])
plt.plot(histr, color=col, label=col)
plt.legend()
plt.show()
"""
3.使用掩码mask删选出部分图像,做像素频度分析
第一步:读入图片
第二步:使用np.zeros生成掩码mask
第三步:使用cv2.bitwise将掩码与图像结合截取中间位置的图片
第四步:使用cv2.calcHist生成统计像素点的频数图
第五步:进行绘图操作
"""
# 第一步读入图片
img = cv2.imread('cat.jpg', 0)
# 第二步:生成掩码,中间部分为255,边缘部分都为0
mask = np.zeros(img.shape[:2], np.uint8)
mask[100:300, 100:400] = 255
# 第三步:使用cv2.bitwise与操作,只保留图像的中间部分
ret = cv2.bitwise_and(img, img, mask=mask) # 做与操作
# 第四步:使用cv2.calcHist带入掩码生成频数曲线
m_hist = cv2.calcHist([img], [0], mask, [256], [1, 256])
# 第五步:进行最终的绘图操作
plt.subplot(221)
plt.imshow(img, 'gray')
plt.subplot(222)
plt.imshow(mask, 'gray')
plt.subplot(223)
plt.imshow(ret, 'gray')
plt.subplot(224)
plt.plot(m_hist)
plt.plot(hist)
plt.show()