OpenCV–直方圖繪制以及直方圖均衡化

一、直方圖均衡化

函數：

hist = cv.calcHist( images, channels, mask, histSize, ranges[, hist[, accumulate]] )

• images: 原圖像圖像格式為 uint8 或 ?oat32,當傳入函數時應用中括號 [] 括來例如[img]；
• channels: 同樣用中括號括起來，告訴函數統計圖像中的哪個顏色通道的直方圖。如果輸入圖像是灰度圖它的值就是 [0]，如果是彩色圖像傳入的參數可以是 [0][1][2] 它們分別對應著 BGR；
• mask: 掩模圖像，統計整幅圖像的直方圖就把它設為 None。但是如果你想統計圖像某一部分的直方圖時，就需要使用它；
• histSize:BIN 的數目，也應用中括號括來；
• ranges: 像素值范圍常為 [0，256] ；
• hist：輸出矩陣，表示整張圖中bin的灰度圖的個數。

代碼示例：

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

#封裝圖像顯示函數
def cv_show(name, img):
    cv.imshow(name, img)
    cv.waitKey(0)
    cv.destroyAllWindows()

#統計直方圖
img_gray = cv.imread('./img/cat.jpg',0) 
hist = cv.calcHist([img_gray],[0],None,[256],[0,256])
hist.shape

(256, 1)

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

#多通道圖像繪制
img = cv.imread("./img/cat.jpg")
color = ("b", "g", "r")

for i, color in enumerate(color):
    hist = cv.calcHist([img], [i], None, [256], [0, 256])
    plt.plot(hist, color = color)
    plt.xlim([0, 256])

mask操作

#創建一個mask
mask = np.zeros(img.shape[:2], np.uint8)
print(mask.shape)
mask[100:300, 100:400] = 255
cv_show("mask", mask)

(414, 500)

#用掩碼對圖像進行截取
img_masked = cv.bitwise_and(img_gray, img_gray, mask = mask )   #與操作

hist_full = cv.calcHist([img], [0], None, [256], [0, 256])
hist_mask = cv.calcHist([img], [0], mask, [256], [0, 256])

plt.subplot(221), plt.imshow(img_gray, "gray")
plt.subplot(222), plt.imshow(mask, "gray")
plt.subplot(223), plt.imshow(img_masked, "gray")
plt.subplot(224), plt.plot(hist_full), plt.plot(hist_mask)
plt.xlim([0, 256])
plt.show()

二、直方圖均衡化（HE）

函數：

dst = cv.equalizeHist( src[, dst] )

• src:8位單通道圖像。

原理參考：https://www.cnblogs.com/tianyalu/p/5687782.html
本質上就是算出每個灰度級上的概率（依次累加之前的概率），在乘以灰度級分布范圍（例如灰度分布為（0-255），則范圍為255-0）

代碼示例：

img = cv.imread("./img/clahe.jpg", 0)

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

#均值化 
#dst = cv.equalizeHist( src[, dst] )
dst = cv.equalizeHist(img)
plt.hist(dst.ravel(), 256)
plt.show()

三、自適應直方圖均衡化（CLAHE）

原理參考博客：https://blog.csdn.net/lwx309025167/article/details/103770834

函數：

retval = cv.createCLAHE( [, clipLimit[, tileGridSize]] )

• clipLimit:限制對比度閾值；
• tileGridSize:直方圖均衡化的網格大小。

代碼示例：

#自適應直方圖均衡化
#retval = cv.createCLAHE([, clipLimit[, tileGridSize]])
clahe = cv.createCLAHE(clipLimit = 2.0, tileGridSize = (8,8))
res_clahe = clahe.apply(img) #img需要均衡化的圖片

res = np.hstack((img, res_clahe))
cv_show("res", res)