直方圖定義

• 橫坐標:圖像中各個像素點的灰度級
• 縱坐標:就有該灰度級的像素個數

歸一化直方圖

• 橫坐標:圖像中各個像素點的灰度級
• 縱坐標:出現這個灰度的概率

DIMS： 使用參數的數量

• dims = 1
  • 灰度直方圖，僅僅一件事情，僅僅考慮灰度的情況
• BINS： 參數子集的數目

直方圖繪制方法

pyplot繪制直方圖

• pyplot提供了類似matlab的繪圖框架

  • import matplolib.pyplot as plt

• 函數hist hist(數據源，像素級)

  • 功能： 根據數據源合金像素級繪制直方圖
  • 數據源： 圖像，必須是一維數組
    • 函數ravel b = a.ravel()
      • 功能： 將多維數組降為一維數組
      • 格式： 一維數組=多維數組.revel()
  • 像素級： 一般是256，指[0, 255]

opencv繪制直方圖

• 統計直方圖函數 calcHist

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

  • 參數
    • images : 原始圖像
    • channels : 指定通道
      • 通道編號需要用中括號括起來
      • 輸入圖像是灰度圖時，它的值為[0]
      • 彩色圖像可以使[0],[1],[2]分別對應通道B，G，R。
    • mask : 掩碼圖像
      • 統計整幅圖像的直方圖，設為None。
      • 統計圖像某一部分的直方圖時，需要掩碼圖像
      • 生成掩碼圖像

        mask = np.zeros(image.shape, np.uint8)
        mask[200:400, 200:400] = 255
        

    • histSize : BINS的數量
    • ranges : 像素值返回RANGE
      • 像素值范圍，例如：[0, 255]
    • accumulate : 累計標識
      • 默認值為false
      • 如果被設置為true,則直方圖在開始分配時不會被清零
      • 該參數允許從多個對象中計算單個直方圖，或者用戶實施更新直方圖
      • 多個直方圖的累計結果，用戶對一組圖像計算直方圖
  • 返回值
    • hist : 直方圖
  • 使用pyplot繪制

生成掩膜圖像

計算結果 = cv2.bitwise_and(圖像1, 圖像2)

• 例如：

  mask = np.zero(800, np.uint8)
  mask[300:500, 300:500] = 255
  masked_img = cv2.bitwise_and(img, mask)
  

直方圖均衡化

• 理論基礎
  • 前提： 如果一幅圖像占有全部可能的灰度級，并且均勻分布。
  • 結論： 該圖像具有高對比度和多變的灰度色調
  • 外觀： 圖像細節豐富，質量更高
• 算法
  • 計算累計直方圖
  • 將累計直方圖進行區間轉換
  • 在累計直方圖中，概率相近的原始值，會被處理為相同的值
• 應用場合
  • 醫療圖像處理
  • 車牌識別
  • 人臉識別
• 均衡化函數equalizeHist dst = cv2.equalizeHist(src)
  • 參數
    • src : 源圖像
  • 返回值
    • dst : 目標圖像，處理結果
• 分欄函數subplot subplot(nrows, ncols, plot_number)
  • 參數
    • nrows : 行號
    • ncols : 列號
    • plot_number : 窗口序號
  • 示例： subplot(2, 3, 4)
  • 特例： 當每一個參數都小于10時，可以直接書寫三個數字，表示為subplot(234)

實例

使用pyplot繪制直方圖

import cv2
import matplotlib.pyplot as plt

o = cv2.imread("/home/forrest/圖片/lena彩圖.png", cv2.IMREAD_GRAYSCALE)
cv2.imshow("o", o)

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

cv2.waitKey()
cv2.destroyAllWindows()

• 原圖
  
• 直方圖
  

使用calcHist生成灰度圖像直方圖

import cv2

img = cv2.imread("/home/forrest/圖片/lena彩圖.png", cv2.IMREAD_GRAYSCALE)
hist = cv2.calcHist([img], [0], None, [256], [0, 255])
print(type(hist))
print(hist.size)
print(hist.shape)

plt.plot(hist, color="r")
plt.show()

• 原始圖像
  
• 輸出結果

<class 'numpy.ndarray'>
256
(256, 1)

• 輸出直方圖
  

使用calcHist生成彩色圖像直方圖

import cv2
import matplotlib.pyplot as plt

img = cv2.imread("/home/forrest/圖片/lena彩圖.png")
histb = cv2.calcHist([img], [0], None, [256], [0, 255])
histg = cv2.calcHist([img], [1], None, [256], [0, 255])
histr = cv2.calcHist([img], [2], None, [256], [0, 255])

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

• 原始圖像
  
• 生成直方圖
  

繪制掩碼直方圖

import cv2
import numpy as np
import matplotlib.pyplot as plt

image = cv2.imread("/home/forrest/圖片/lena彩圖.png", cv2.IMREAD_GRAYSCALE)

mask = np.zeros(image.shape, np.uint8)
mask[200:400, 200:400] = 255

histMI = cv2.calcHist([image], [0], mask, [256], [0, 255])
histImage = cv2.calcHist([image], [0], None, [256], [0, 255])

plt.plot(histImage)
plt.plot(histMI)
plt.show()

• 原始圖像
  
• 繪制掩碼直方圖和整圖直方圖對比
  

生成掩膜圖像

import cv2
import numpy as np

image = cv2.imread("/home/forrest/圖片/lena彩圖.png", 0)

mask = np.zeros(image.shape, np.uint8)
mask[200:400, 200:400] = 255

mi = cv2.bitwise_and(image, mask)
cv2.imshow("original", image)
cv2.imshow("mask", mask)
cv2.imshow("mi", mi)

cv2.waitKey()
cv2.destroyAllWindows()

• 原始圖像
  
• 掩碼圖像
  
• 生成的掩膜圖像
  

圖像直方圖均衡化

import cv2
import matplotlib.pyplot as plt

img = cv2.imread("/home/forrest/圖片/lena彩圖.png", cv2.IMREAD_GRAYSCALE)
equ = cv2.equalizeHist(img)

plt.subplot(221)
plt.imshow(img, plt.cm.gray)
plt.axis('off')

plt.subplot(222)
plt.hist(img.ravel(), 256)

plt.subplot(223)
plt.imshow(equ, plt.cm.gray)
plt.axis('off')

plt.subplot(224)
plt.hist(equ.ravel(), 256)

plt.show()

• 結果
  

pyplot顯示彩色圖像

import cv2
import matplotlib.pyplot as plt

img = cv2.imread("/home/forrest/圖片/lena彩圖.png")
b,g,r = cv2.split(img)
img2 = cv2.merge([r, g, b])

plt.subplot(121)
plt.imshow(img)
plt.axis('off')

plt.subplot(122)
plt.imshow(img2)
plt.axis('off')

plt.show()

• 結果