一、函数简介

1、calcHist—计算图像直方图

函数原型：calcHist(images, channels, mask, histSize, ranges, hist=None, accumulate=None)

images：图像矩阵，例如：[image]

channels：通道数，例如：0

mask：掩膜，一般为：None

histSize：直方图大小，一般等于灰度级数

ranges：横轴范围

2、equalizeHist—直方图均衡化

函数原型： equalizeHist(src, dst=None)

src：图像矩阵

dst：默认即可

二、实例演练

1、灰度图像直方图

代码如下：

#encoding:utf-8

#
#灰度图像直方图
#

from matplotlib import pyplot as plt
import cv2

image = cv2.imread("H:\img\lena.jpg")
cv2.imshow("Original",image)

#图像直方图
hist = cv2.calcHist([image],[0],None,[256],[0,256])

plt.figure()#新建一个图像
plt.title("Grayscale Histogram")#图像的标题
plt.xlabel("Bins")#X轴标签
plt.ylabel("# of Pixels")#Y轴标签
plt.plot(hist)#画图
plt.xlim([0,256])#设置x坐标轴范围
plt.show()#显示图像
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

结果如下
1、原图

2、灰度图像直方图

2、彩色图像直方图

代码如下：

#encoding:utf-8

#
#彩色图像直方图
#

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

image = cv2.imread("H:\img\lena.jpg")
cv2.imshow("Original",image)
#cv2.waitKey(0)

chans = cv2.split(image)
colors = ("b","g","r")
plt.figure()
plt.title("Flattened Color Histogram")
plt.xlabel("Bins")
plt.ylabel("# of Pixels")

for (chan,color) in zip(chans,colors):
    hist = cv2.calcHist([chan],[0],None,[256],[0,256])
    plt.plot(hist,color = color)
    plt.xlim([0,256])
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

结果如下
1、原图像

2、彩色图像直方图

3、直方图均衡化

代码如下：

#encoding:utf-8

#
#图像直方图均衡化
#

import numpy as np
import cv2

image = cv2.imread("H:\img\lena.jpg",0)#读取灰度图像
cv2.imshow("Original",image)
cv2.waitKey(0)

eq = cv2.equalizeHist(image)#灰度图像直方图均衡化
cv2.imshow("Histogram Equalization", np.hstack([image, eq]))
cv2.waitKey(0)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

结果如下
1、原图像

2、原图与均衡化后的图像