直方图概念

如图：下面黑色图为上面图的直方图
横坐标：图像中各个像素点的灰度级
纵坐标：具有该灰度级的像素个数。

归一化直方图
横坐标：图像中各个像素点的灰度级
纵坐标：出现该灰度级的概率。

DIMS：使用参数的数量
dims=1:灰度直方图，仅仅考虑灰度的情况。
还有其他考虑亮度的
BINS：参数子集的数目
bins=256: 如灰度是256. 表示0-255
缩小数字表示将临近值合并。

RANGE：统计灰度值的范围，一般为[0-255]
最小值0：黑色
最大值255：白色

直方图绘制

python+opencv
1.使用matplotlib绘制直方图
函数：hist(数据源，像素级）
数据源：图像，必须是一维数组
像素级：一般是256，指[0-255]

np.raval()可以实现多维数组转一维。

import cv2
import matplotlib.pyplot as plt
o=cv2.imread("boat.jpg")
cv2.imshow("original",o)
plt.hist(o.ravel(),256)#o.ravel()将像素数组转一维
plt.show()
cv2.waitKey()
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8

像素直方图

2.使用opencv绘制直方图

hist=cv2.calcHist(images,channels,mask,histsize,ranges,accumulate)
hist:直方图
images:原始图像,格式[src]，需要用中括号括起来
channels:通道,灰色直接[0]，BGR对应[0],[1],[2]
mask:掩码图像。如果一个图很大，需要计算部分图的直方图，需要掩码。
histsize:BINS的数量，需要用中括号括起来。一般是[256]
ranges:像素值范围,一般[0,255]
accumulate:累积标识。可选参数、默认false,设为true为计算好几幅图的直方图。

绘制灰度图像直方图
不使用掩码

import cv2
import matplotlib.pyplot as plt
o=cv2.imread("boatGray.bmp")
histb = cv2.calcHist([o],[0],None,[256],[0,255])
print("type:",type(histb))
print('szie:',histb.size)
print('shape:',histb.shape)
plt.plot(histb,color='r')
plt.show()
1
2
3
4
5
6
7
8
9

绘制彩色图像直方图
不使用掩膜
注意012,是BGR，非RGB

import cv2
import matplotlib.pyplot as plt
o=cv2.imread("girl.bmp")
histb = cv2.calcHist([o],[0],None,[256],[0,255])
histg = cv2.calcHist([o],[1],None,[256],[0,255])
histr = cv2.calcHist([o],[2],None,[256],[0,255])
plt.plot(histb,color='b')
plt.plot(histg,color='g')
plt.plot(histr,color='r')
plt.show()
1
2
3
4
5
6
7
8
9
10

3.使用掩膜的直方图

生成掩膜
mask=np.zeros(image.shape,np.unit8)#生成全黑图像
mask[200:400,200:400]=255#部分取白
把生成的掩膜传入下列函数的mask中，即完成。
hist=cv2.calcHist(images,channels,mask,histsize,ranges,accumulate)

import cv2
import numpy as np
import matplotlib.pyplot as plt
image=cv2.imread("girl.bmp",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])#使用掩膜，只对第一通道
histImage=cv2.calcHist([image],[0],None,[256],[0,255])#不适用掩膜，只对第一通道
plt.plot(histImage,'r')
plt.plot(histMI)
plt.show()
1
2
3
4
5
6
7
8
9
10
11

原图

蓝色为使用掩膜的直方图

掩膜处理

黑色为0,其他色为1.将掩膜与原始图像进行与操作。得到处理结果。

使用方法
计算结果=cv2.bitwise_and(原始图像,掩膜)
bitwise:按位操作
and:与运算

import cv2
import numpy as np
import matplotlib.pyplot as plt
image=cv2.imread("boat.bmp",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()
1
2
3
4
5
6
7
8
9
10
11
12

直方图均衡化

应用场合：图像过亮或者过暗。如车牌识别

理论前提：如果一个图像占有全部可能的灰度级，并且均匀分布。
结论：该图像具有高对比度和多变的灰度色调。读取的是灰度图
外观：图像细节丰富，质量更高。
算法
1.计算累积直方图
2.将累积直方图进行区间转换
3.在累积直方图中，概率相近的原始值，会被处理成相同的值。
1.计算累积直方图

2.将累积直方图进行区间转换

累积直方图：对前面求和。1的值=0和1的值的和

3.在累积直方图中，概率相近的原始值，会被处理成相同的值。
7是因为给出的示例是三维的二进制，范围是0-7，如果是np.unit9，应是255。

四舍五入得到新的值：原先是0的像素变成1，原始是1的像素变成3…。

新的像素有1,3,4,5,6,7。是因为合并如原先的45都变成了5。

换成255的数示例

方法
dst=cv2.equalizeHist(src)
dst:处理结果
src:源图像。

直方图对比

import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('equ.bmp',cv2.IMREAD_GRAYSCALE)
equ = cv2.equalizeHist(img)
plt.hist(img.ravel(),256)
plt.figure()
plt.hist(equ.ravel(),256)
plt.show()
1
2
3
4
5
6
7
8
9

原始

处理后

示例：
处理的是灰度图，需要读取灰色图

import cv2
import numpy as np
import matplotlib.pyplot as plt
o=cv2.imread("equ.bmp",cv2.IMREAD_GRAYSCALE)#读取灰色图像
r=cv2.equalizeHist(o)
cv2.imshow("original",o)
cv2.imshow("result",r)
cv2.waitKey()
cv2.destroyAllWindows()
1
2
3
4
5
6
7
8
9

import cv2
import matplotlib.pyplot as plt
img = cv2.imread('boat.bmp',cv2.IMREAD_GRAYSCALE)
equ = cv2.equalizeHist(img)
plt.subplot(221)
plt.imshow(img,cmap=plt.cm.gray),plt.axis('off')
plt.subplot(222)
plt.imshow(equ,cmap=plt.cm.gray),plt.axis('off')
plt.subplot(223)
plt.hist(img.ravel(),256)
plt.subplot(224)
plt.hist(equ.ravel(),256)
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13

总目录链接：
python3+opencv学习笔记汇总目录（适合基础入门学习）
电气专业的计算机小白，写博文不容易。如果你觉得本文不错，请点个赞支持下。谢谢。