直方图
img = cv2.imread('d:/opencv/tx/cat.jpg',0)
hist = cv2.calcHist([img],[0],None,[256],[0,256])
print(hist.shape)
plt.hist(img.tr)
结果
mask操作
img = cv2.imread('d:/opencv/tx/cat.jpg',0)
mask = np.zeros(img.shape[:2],np.uint8)
print(mask.shape)
mask[100:300,100:400]=255
cv_show(mask,'mask')
```![在这里插入图片描述](https://img-blog.csdnimg.cn/20200310202124515.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3hzc3Rhcg==,size_16,color_FFFFFF,t_70)
```python
mask_img = cv2.bitwise_and(img,img,mask = mask)
cv_show(mask_img,'mask_img')
展示直方图
直方图均衡化
均衡化算法
均衡化函数:equ = cv2.equalizeHist(img)
均衡化结果:
均衡化后图像的区别
变得更清晰明显,所以均衡化可用于处理图像
但会丢失细节
所以接下来,介绍一种分别做均衡化的方法
自适应直方图均衡化
cv2.imread('d:/opencv/tx/clahe.jpg',0)
equ = cv2.equalizeHist(img)
#cv_show(res,'res')
clahe = cv2.createCLAHE(clipLimit= 2.0,tileGridSize=(8,8))
res_clahe = clahe.apply(img)
res = np.hstack((img,equ,res_clahe))
cv_show(res,'res')