OpenCV-Python-图像直方图

Fu Xianjun. All Rights Reserved.

文章目录

• 前言
• 使用步骤
  • 1.图像直方图
  • 2.直方图均衡化
  • 3.直方图比较
  • 4. 直方图阈值法
• 总结

---

前言

直方图是图像处理过程中的一种非常重要的分析工具。

---

二、使用步骤

1.图像直方图

matplotlib.pyplot.hist（X, BINS，facecolor='yellowgreen'）
直方图绘制
X：一维数组
BINS：数组的边界。
import matplotlib.pyplot as plt

matplotlib.pyplot是一个有命令风格的函数集合，它看起来和MATLAB很相似。

降维处理：b=a.ravel()

cv2.calcHist（images,channels,mask,histSize,ranges,accumulate）

channels：指定通道编号。通道编号需要用“[]”括起来。

mask：掩模图像。当统计整幅图像的直方图时，将这个值设为None 。

histSize: BINS的值，该值需要用“[]”括起来。

ranges：即像素值范围。例如，8位灰度图像的像素值范围是[0,255] 。

accumulate：累计（累积、叠加）标识，默认值为False。
 

2.直方图均衡化

cv2.equalizeHist（src) src是8位单通道原始图像

3.直方图比较

相关性比较（Correlation）

Chi-Square（卡方比较）

Intersection（十字交叉性）

Bhattacharyya distance（巴氏距离）

Correlation ( CV_COMP_CORREL )

Chi-Square ( CV_COMP_CHISQR )

Intersection ( CV_COMP_INTERSECT )

Bhattacharyya ( CV_COMP_BHATTACHARYYA )

4.直方图阈值法

对于任何一张图像，它的直方图中如果存在较为明显的双峰，用直方图分割技术法可以达到很好的效果，否则，达到的效果会很不理想。

---

总结

从统计的角度讲，直方图是图像内灰度值的统计特征与图像灰度值之间的函数，直方图统计图像内各个灰度级出现的次数。