opencv_13_直方图处理

直方图是图像处理过程中的一种非常重要的分析工具。直方图从图像内部灰度级的角度对图像进行表述，包含十分丰富而重要的信息。从直方图的角度对图像进行处理，可以达到增强图像显示效果的目的。

在绘制直方图时，将灰度级作为x轴，该灰度出现的次数作为y轴处理。

绘制直方图

使用Numpy绘制直方图

import cv2
from get_show_img import get_show
o = cv2.imread('data/dog1.jpg')
get_show(o, figsize=[6, 6])

import matplotlib.pyplot as plt
plt.hist(o.ravel(), 256)
plt.show()

​

​

将灰度级划分为16组。

plt.hist(o.ravel(), 16)
plt.show()

使用opencv绘制直方图

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

• images: 原始图像，该图像需要用[]括起来。
• channels: 指定的通道编号. 通道编号用[]括起来，灰度图像对应[0]，彩色图像R、G、B分别对应[0]、[1]、[2]。
• mask: 掩膜图像。当统计整幅图像时，设定为None。
• histSize: BINS的值，该值需要用[]括起来。
• ranges: 像素范围。
• accumulate: 累计（累积、叠加）标识，默认值为False。如果被设置为True，则直方图在开始计算时不会被清零，计算的是多个直方图的累积结果，用于对一组图像计算直方图。

hist = cv2.calcHist([o], [0], None, [256], [0, 255])

hist.shape

(256, 1)

hist.size

256

print(type(hist))

<class 'numpy.ndarray'>

plt.plot(hist)
plt.show()

​

​

将多个通道的直方图绘制到一幅图像中

hist0 = cv2.calcHist([o], [0], None, [256], [0, 255])
hist1 = cv2.calcHist([o], [1], None, [256], [0, 255])
hist2 = cv2.calcHist([o], [2], None, [256], [0, 255])

plt.plot(hist0)
plt.plot(hist1)
plt.plot(hist2)
plt.show()

使用掩膜图像绘制直方图

import numpy as np

img = cv2.imread('data/dog1.jpg', 0)
mask = np.zeros_like(img)

mask[200:500, 200:500] = 255

hist = cv2.calcHist([img], [0],None, [256], [0, 255])
hist_mask = cv2.calcHist([img], [0], mask, [256], [0, 255])
plt.plot(hist)
plt.plot(hist_mask)
plt.show()

​

​

直方图均衡化

如果一幅图像拥有全部可能的灰度级，并且像素值的灰度均匀分布，那么这幅图像就具有高对比度和多变的灰色色调，灰度级丰富且覆盖范围较大。在外观上，这样的图像具有更丰富的色彩，不会过暗或者过亮。

eq1 = cv2.imread('data/equ.bmp', 0)
eq2 = cv2.imread('data/equ2.bmp', 0)
get_show(eq1, eq2)

equ1 = cv2.equalizeHist(eq1)
get_show(eq1, equ1)

equ2 = cv2.equalizeHist(eq2)
get_show(eq2, equ2)

hist1 = cv2.calcHist([eq2], [0], None, [256], [0, 255])
hist2 = cv2.calcHist([equ2], [0], None, [256], [0, 255])
plt.plot(hist1)
plt.plot(hist2)
plt.show()

​

​

plt.figure(figsize=[10, 5])
plt.subplot(121)
plt.hist(eq2.ravel(), 256)
plt.subplot(122)
plt.hist(equ2.ravel(), 256)
plt.show()

​

​