10月17日 第三章22节作业
系列文章目录
OpenCV 第一次小作业-使用鼠标左键画圆画矩形
OpenCV 第二次小作业
OpenCV 第三次作业 使用HSV扣图
一、题目:
应用直方图相关知识,对图片进行处理直方图均衡化,以达到清晰图片的效果,并对图像画出2D直方图
二、解决方案
1.使用OpenCV 中的CLAHE 有限对比适应性直方图均值化
我们需要使用自适应的直方图均衡化。这种情况下,整幅图像会被分成很多小块,这些小块被称为“tiles”(在OpenCV 中tiles 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(跟前面类似)。所以在每一个的区域中,直方图会集中在某一个小的区域中(除非有噪声干扰)。如果有噪声的话,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 超过对比度的上限的话,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。最后,为了去每一个小块之间“人造的”(由于算法造成)边界,再使用双线性差值,对小块进行缝合。
下面的代码显示了如何使用OpenCV 中的CLAHE。
import cv2
import numpy as np
from matplotlib import pyplot as plt
img_path = './img4/histogram.jpg'
img = cv2.imread(img_path)
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
clahe = cv2.createCLAHE(clipLimit=7, tileGridSize=(3, 3))
cl1 = clahe.apply(img)
下面就是结果了,与原图对照一下。
2. 2D直方图
代码如下(示例):
在 2D 直方图中我们就要考虑两个图像特征。对于彩色图像的直方图通常情况下我们需要考虑每个的颜色(Hue)和饱和度(Saturation)。根据这两个特征绘制 2D 直方图。
OpenCV 的官方文档中包含一个创建彩色直方图的例子。
绘制 2D 直方图
使用 Matplotlib() 我们还可以使用函数 matplotlib.pyplot.imshow()来绘制 2D 直方图,再搭配上不同的颜色图(color_map)。这样我们会对每个点所代表的数值大有一个更直观的认识。但是跟前面的问题一样,你还是 不知道那个数代表的颜色到底是什么。虽然如此,我还是更喜欢这个方法,它 既简单又好用。
代码如下:
import cv2
import numpy as np
from matplotlib import pyplot as plt
img_path = './img4/histogram.jpg'
img = cv2.imread(img_path)
cv2.imshow('original', img)
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
hist = cv2.calcHist([hsv], [0, 1], None, [180, 256], [0, 180, 0, 256])
plt.imshow(hist, interpolation='nearest')
plt.show()
如下图所示:
总结
以上就是今天要分享的内容,本文仅仅简单介绍了直方图的使用以及2D直方图的绘制。