opencv-python图像处理 ---直方图与傅里叶变换、逆变换

一、直方图
代码里的cv-show函数：

def cv_show(img):
    cv.imshow("hh", img)
    cv.waitKey(0)
    cv.destroyAllWindows()

从统计的角度讲，直方图是图像内灰度值的统计特性与图像灰度图之间的函数，直方图统计图像内各个灰度级出现的次数。从直方图的图形上观察，横坐标是图像中各像素点的灰度级，纵坐标是具有该灰度级的像素个数。
cv2中的函数使用：

hist = cv2.calcHist([src], channels, mask, histSize, ranges, accumulate)

src:对应输入图像，其图像格式为uint8或者float32,需要用[]括起来传入
channels: 指定通道编号，也需要[]，如果是灰度图，channels=[0], 如果是彩色图像，channels=[0]、[1]、[2]，分别对应B, G, R
mask:掩模图像。当统计整幅图像的直方图时，将这个值设为None， 统计某一部分时，需要用到掩模图像。
histSize：BINS的值，使用需要[]括起来，BINS的意思是：参数子集的数目，在处理数据过程中，有时需要将众多的数据划分为若干组，再进行分析。
ranges:像素值的范围，八位像素值就是[0~255]
accumulate:布尔型累计标记。如果不为假，则直方图再开始计算时不会清零，而是在上一次运行的基础上继续进行统计。
代码：

def calc_hist():
    img = cv.imread("car_red.jpg", cv.IMREAD_GRAYSCALE)
    dis = cv.calcHist([img], [0], histSize=[256], ranges=[0, 255], mask=None)
    plt.hist(img.ravel(), 256)
    plt.show()

掩码操作：使用掩码可以获得图像的某一部分图像：

def calc_hist():
    img = cv.imread("car_red.jpg", cv.IMREAD_GRAYSCALE)
    # 创建掩模
    mask = np.zeros(img.shape, np.uint8)
    mask[50:250, 50:400] = 255
    cv_show(mask)
    # 将原图像与mask执行与操作，就能得到mask位置的图像
    mask_img = cv.bitwise_and(img, mask)
    cv_show(mask_img)