数字图像处理(15): 灰度直方图(matplotlib 和OpenCV 绘制直方图)

目录

1 灰度直方图简介

1.1 灰度直方图概念

1.2 灰度直方图作用

1.3 绘制的直方图

1.4 归一化直方图

2 matplotlib库 绘制直方图-hist()

3 OpenCV库 绘制直方图-calcHist()

参考资料

---

 

1 灰度直方图简介

1.1 灰度直方图概念

灰度直方图（histogram）是灰度级的函数，描述的是图像中每种灰度级像素的个数，反映图像中每种灰度出现的频率。其中，横坐标是灰度级，纵坐标是灰度级出现的频率。

 

 

1.2 灰度直方图作用

1）在使用轮廓线确定物体边界时，通过直方图更好的选择边界阈值，进行阈值化处理；

2）对物体与背景有较强对比的景物的分割特别有用；

3）简单物体的面积和综合光密度IOD可以通过图像的直方图求得。

 

1.3 绘制的直方图

 

假设存在一个 33 的图像，如下图所示，数组 统计的是像素点的灰度级，数组 统计的是具有该灰度级的像素个数。其中，灰度为1的像素共3个，灰度为2的像素共1个，灰度为3的像素共2个，灰度为4的像素共1个，灰度为5的像素共2个。

 = [1, 2, 3, 4, 5]

 = [3, 1, 2, 1, 2]

 

根据上面的数据，绘制的直方图如下所示：

 

如果灰度级为0-255（最小值0黑色，最大值255白色），同样可以绘制对应的直方图，下图是三张图片拼接而成及其对应的直方图。

 

1.4 归一化直方图

该直方图的横坐标表示图像中各个像素点的灰度级，纵坐标表示出现这个灰度级的概率。其计算方法如下：

(1) 先计算灰度级及对应像素的个数

 = [1, 2, 3, 4, 5]

 = [3, 1, 2, 1, 2]

(2) 统计总的像素个数

 = (3 + 1 + 2 + 1 +2) = 9

(3) 统计各个灰度级的出现概率

 =  = [3/9, 1/9, 2/9, 1/9, 2/9]

---

 

2 matplotlib库 绘制直方图-hist()

使用matplotlib的子库pyplot实现，它提供了类似于Matlab的绘图框架，matplotlib是非常强大基础的一个Python绘图包。其中绘制直方图主要调用 hist() 函数实现，它根据数据源和像素级绘制直方图。

hist()函数形式如下：

hist(数据源, 像素级)

其中，参数：

数据源：必须是一维数组，通常需要通过函数 ravel() 拉直图像

像素级：一般是256，表示[0, 255]

函数 ravel() 将多维数组降为一维数组，其格式为：

一维数组 = 多维数组.ravel()

 

 

代码如下所示：

#encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt

src = cv2.imread('zxp.jpg')
cv2.imshow("src", src)

plt.hist(src.ravel(), 256)
plt.show()

cv2.waitKey(0)
cv2.destroyAllWindows()

 

运行结果如下图所示：

 

上述是调用 matplotlib库 中的hist() 函数来绘制直方图，接下来介绍使用OpenCV库中的calcHist() 函数绘制直方图。

---

 

3 OpenCV库 绘制直方图-calcHist()

使用OpenCV库中的 calcHist() 函数来绘制直方图：

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

其中，参数：

hist 表示直方图，返回的是一个二维数组；

images 表示原始图像；

channels 表示指定通道，通道编号需要用中括号括起，输入图像是灰度图像时，它的值为[0]，彩色图像则为[0]、[1]、[2]，分别表示B、G、R；

mask 表示掩码图像，统计整副图像的直方图，设为None，统计图像的某一部分直方图时，需要掩码图像；

histSize 表示BINS的数量，参数子集的数目，如下图当bins=3表示三个灰度级；

ranges 表示像素值范围，例如[0, 255]；

accumulate 表示累计叠加标识，默认为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，或者用于实时更新直方图；多个直方图的累积结果用于对一组图像的直方图计算。

 

（1）计算图像灰度级的基本大小、形状及内容

代码如下所示：

#encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt

src = cv2.imread('zxp.jpg')

# 参数:原图像 通道[0]-B 掩码 BINS为256 像素范围0-255
hist = cv2.calcHist([src], [0], None, [256], [0,255])
print('type=',type(hist))
print('size=',hist.size)
print('shape=',hist.shape)
print("-------------------")
print('hist=',hist)

 

运行结果如下图所示：

由上面的结果可知：

（1）直方图是一个数组；

（2）大小为256，；

（3）形状为256行，1列的数组。

 

 

（2）补充：matplotlib库 绘制图像

代码如下所示：

#encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt

#绘制sin函数曲线
x1 = np.arange(0, 6, 0.1)
y1 = np.sin(x1)
plt.plot(x1, y1)

#绘制坐标点折现
x2 = [0, 1, 2, 3, 4, 5, 6]
y2 = [0.3, 0.4, 2.5, 3.4, 4, 5.8, 7.2]
plt.plot(x2, y2)

#省略有规则递增的x2参数
y3 = [0, 0.5, 1.5, 2.4, 4.6, 8]
plt.plot(y3, color="r")

plt.show()

 

运行结果如下图所示：

 

（3）使用OpenCV库 中的 calcHist() 函数 计算B、G、R通道的灰度级并绘制图形

代码如下所示：

#encoding:utf-8
import cv2
import numpy as np
import matplotlib.pyplot as plt

src = cv2.imread('zxp.jpg')

histb = cv2.calcHist([src], [0], None, [256], [0,255])
histg = cv2.calcHist([src], [1], None, [256], [0,255])
histr = cv2.calcHist([src], [2], None, [256], [0,255])

cv2.imshow("src", src)

plt.plot(histb, color='b')
plt.plot(histg, color='g')
plt.plot(histr, color='r')
plt.show()

cv2.waitKey(0)
cv2.destroyAllWindows()

 

运行结果如下图所示：

 

---

 

参考资料

[1] https://blog.csdn.net/Eastmount/article/details/83758402

[2] Python+OpenCV图像处理