OpenCV图像处理(十六)---图像直方图

       

比热容（Specific Heat Capacity，符号c），简称比热，亦称比热容量，是热力学中常用的一个物理量，用来表示物质吸热或散热本领。比热容越大，物质的吸热或散热能力越强。它指单位质量的某种物质升高（或下降）单位温度所吸收（或放出）的热量。其国际单位制中的单位是焦耳每千克开尔文[J/( kg· K )]，即令1KG的物质的温度上升1开尔文所需的热量。根据此定理，最基本便可得出以下公式：

物质的比热容越大，相同质量和温升时，需要更多热能。以水和油为例，水和油的比热容分别约为4200 J/(kg·K)和2000 J/(kg·K)，即把相同质量的水加热的热能比油多出约一倍。若以相同的热能分别把相同质量的水和油加热的话，油的温升将比水的温升大。

                                                      

科普

前言

     在上一期的文章中，我们学习了图像的轮廓特征，主要学习了轮廓检测函数和框选函数。今天，我们将继续学习图像的新知识--直方图。

一、直方图

图像直方图简介：

     在介绍图像直方图之前，我们先来回顾一下数学中直方图的含义，还记得初中的时候，我们学习过用来表示样本数据的趋势或者分布的统计图吗？折线图和直方图就是代表之一，我们知道折线图是用来表示数据的行走趋势（简单说就是高高低低的一条折线），直方图是用来表示数据中各个类型的数量的（比如说 ，一堆人民币包含了各种数值的钞票，用直方图来表示，你将会观察到10元的有多少张，20元有多少张）的统计图，那么，图像中的直方图是否也是类似的呢？我们看看一下吧，直方图简单来说就是图像中每个像素值的个数统计，比如说一副灰度图中像素值为0的有多少个，1的多少个……直方图是一种分析图片的手段，当然，图像中比较常见的颜色格式是彩色和灰度的，针对灰度图像直方图，我们可以这样理解，灰度直方图是图像中像素灰度集的一种统计反应。它能够描述图像中灰度的分布情况，直观地展现出图像中灰度所占多少。直方图横轴表示像素的灰度范围（比如说 0~255），纵轴表示的是像素的数量或者密度。

1.1 原始图像

灰度图：

1.2 代码实践 

  直方图实现一：pyplot提供了类似matlab的绘图框架，

• import matplolib.pyplot as plt

• plt.hist hist(图像原始数据，像素的范围) 图像的灰度级是0-255，一共256个。因为该直方图函数需要一维数据，所以需要用到ravel()函数，将多维数组降为一维数组。

#coding:utf-8
import cv2
# 导入matplotlib.pyplot包，我们需要用到它的函数
import matplotlib.pyplot as plt


# 以灰度模式读入图片
gray_img = cv2.imread("./fig.jpg", cv2.IMREAD_GRAYSCALE)
cv2.imshow("gray_img", gray_img)


# 调用hist函数绘制直方图
plt.hist(gray_img.ravel(), 256)
# 显示直方图
plt.show()


cv2.waitKey()
cv2.destroyAllWindows()

效果展示：

 

直方图解读：从图中我们能够很清晰的观察到，灰度值为50左右的像素有2500多个，其余的在100个左右。分布相对均匀。

直方图实现二：openv已经为我们准备好了绘制直方图函数，

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

参数

• images : 原始图像

• channels : 指定通道

• 通道编号需要用中括号括起来

  输入图像是灰度图时，它的值为[0]

  彩色图像可以使[0],[1],[2]分别对应通道B，G，R。

• mask : 掩码图像

• 统计整幅图像的直方图，设为None。

  统计图像某一部分的直方图时，需要掩码图像

  histSize : BINS的数量

  ranges : 像素值返回RANGE

  像素值范围，例如：[0, 255]

  accumulate : 累计标识

  默认值为false

  如果被设置为true,则直方图在开始分配时不会被清零

  该参数允许从多个对象中计算单个直方图，或者用户实施更新直方图

  多个直方图的累计结果，用户对一组图像计算直方图

#coding:utf-8
# 导入matplotlib.pyplot包，我们需要用到它的函数
import matplotlib.pyplot as plt
import cv2
# 以灰度模式读入图片
gray_img = cv2.imread("./fig.jpg", cv2.IMREAD_GRAYSCALE)


#调用cv2.calcHist()函数绘制直方图
hist = cv2.calcHist([gray_img], [0], None, [256], [0, 255])


# 用绿色绘制
plt.plot(hist, color="g")
plt.show()

效果展示：

直方图解读：通过直方图可以观察到，与上一种绘制结果差不多，仅仅是表现方式不一样，上面的直方图使用长矩形的方式展现的，下面的直方图更侧重于用数学函数，而且是连续的函数进行表达。

直方图的作用：从上面的实例我们可以了解到，其实每一个图像的直方图是不一样的，由此，直方图可以用来进行比较不同的图像，不过直方图用到最多的是，均衡化，何为均衡化，简单地说，使得图像的像素值尽量分布均匀，而不是高低差落较大，这样的好处是，能够更好的观察图像的细节部分，如果想要继续学习更多知识，我们下期文章或许可以推出哦，大家敬请关注！

结语

     今天的文章分享结束了，图像直方图能够让我们直观的看到像素的分布情况，也可以用在精度不是很高的图像识别问题，希望大家下去学会相关函数的使用，实践方知其所以然。

编辑：玥怡居士|审核：小圈圈居士

▼

往期精彩回顾

▼

OpenCV图像处理(十五)---图像轮廓特征

OpenCV图像处理(十四)---边缘检测

OpenCV图像处理(十三)---图像滤波

扫码关注更多精彩

点亮在看，你最好看！