OpenCV第四次作业 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

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。