python OpenCV图像直方图处理
作者：吃猫的鱼python
1.图像直方图基本含义和绘制
首先我们先要了解一下python三大剑客之一——matplotlib
我们都知道matlab作为一个工具是公认的绘图牛，但是我想说的是python下的matplotlib这个超级剑客也是非常厉害的，因为python近年来才火热起来，所以热度没有matlib高，但是matlib可以实现的功能作为python都是差不多可以实现的。
我们回归正题，先来介绍下matplotlib怎么简单的画一个直方图。
import numpy as np import matplotlib.pyplot as plt x=np.arange(0,5,0.1) y=np.sim(x) plt.plot(x,y)
简单的不能再简单了吧，我们使用它去绘制一个sin（x）的函数图像。
那么matplotlib如何和CV一起工作呢？
import cv2
import matplotlib.pyplot as plt
o=cv2.imread("image\\boatGray.bmp")
histb = cv2.calcHist([o],[0],None,[256],[0,255])
plt.plot(histb,color='b')
plt.show()结果是（也很好理解吧）：
针对于彩色图像我们也可以针对BGR分别作图。
import cv2
import matplotlib.pyplot as plt
o=cv2.imread("image\\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()
直方图的绘制我们使用的函数还有：函数hist
功能：根据数据源和像素级绘制直方图。
语法： 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]
功能：将多维数组降为一维数组。格式：一维数组=多维数组.ravel()
import cv2
import matplotlib.pyplot as plt
o=cv2.imread("image\\boat.jpg")
cv2.imshow("o",o)
cv2.waitKey()
cv2.destroyAllWindows()
plt.hist(o.ravel(),256)
2.OpenCV统计直方图并绘制
使用OpenCV对图像进行绘制的和横坐标表示像素值比如[0,255]，纵坐标表示像素值的个数。
绘制函数：
hist = cv2.calcHist( images, channels, mask, histSize, ranges, accumulate )
其中，hist返回结果是一个直方图，返回的直方图，是一个二维数组。
image原始图像：图像需要使用“[ ]”括起来使用。
channels：
通道编号需要用中括号括起来输入图像是灰度图时，它的值是[0]；彩色图像可以是[0]，[1]，[2]。分别对应通道B，G，R。
mask：掩码图像统计整幅图像的直方图，设为None。统计图像某一部分的直方图时，需要掩码图像。
histSize
BINS的数量，例如【256】
ranges
像素值范围RANGE
accumulate默认值为false。如果被设置为true，则直方图在开始分配时不会被清零。该参数允许从多个对象中计算单个直方图，或者用于实时更新直方图。多个直方图的累积结果，用于对一组图像计算直方图。
使用OpenCV画出直方图：
import cv2
import matplotlib.pyplot as plt
o=cv2.imread("image\\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()
3.使用掩码的直方图-直方图、掩膜
掩码说实话就是使用掩膜的黑色部分把原始图像的部分给覆盖掉，也称为过滤掉。那么我们怎么做呢？首先我们需要创建一个掩膜：
mask=np.zeros(image.shape,np.uint8) mask[200:400,200:400]=255
首先创建一个全0的和原图像size一致的，然后我们把指定范围指定为白色。然后传入函数内：
import cv2
import numpy as np
import matplotlib.pyplot as plt
显示直方图
image=cv2.imread("image\\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])
histImage=cv2.calcHist([image],[0],None,[256],[0,255])
plt.plot(histImage)
plt.plot(histMI)结果是：
掩膜原理：
说实在的就是与和或的关系，与就是一个不行就都不行。或就是一个行就可以。
而我们的掩膜原理主要用到的就是与操作；
计算结果 = cv2.bitwise_and(图像1，图像2)
import cv2
import numpy as np
import matplotlib.pyplot as plt
image=cv2.imread("image\\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()
4.直方图均衡化原理及函数
在维基百科是这样定义的：
对应在图像上就是：
前提：如果一幅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。
外观：图像细节丰富，质量更高。
算法：
- 1.计算累计直方图
- 2.将累计直方图进行区间转换
- 3.在累计直方图中，概率相近的原始值，会被处理为相同的值。
1.计算灰度级出现的概率情况
𝑟𝑘：第K个灰度级
𝑛𝑘：第k级灰度的像素个数
N：图像内总像素的个数
L：灰度级最大值，灰度值区间[0,L-1]
2.变换函数
我们把公式表现在图片上就是：
这样就完成了从原始图像计算得到了均衡直方图。
虽然二者相似。但右侧的分布更均衡，相邻像素级概率和与高概率近似相等。可应用到医疗图像处理，车牌识别，人脸识别。
对应函数是：dst = cv2.equalizeHist( src )
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('image\\equ.bmp',cv2.IMREAD_GRAYSCALE)
equ = cv2.equalizeHist(img)
plt.hist(img.ravel(),256)
plt.figure()
plt.hist(equ.ravel(),256)
我们处理一下lena，就是这样：
5.子图的绘制
我们有的时候为了方便对比，会想要把几个图放在一张大图中进行比较，那么我们怎么去做呢？有没有一个函数可以完成这个操作呢。
subplot(nrows, ncols, plot_number)
nrows表示行数，ncols表示列数，plot_number表示第几个。subplot(2,3,4)那么就表示2行三列，第四个图。
当每一个参数都小于10时，可以直接书写三个数字，表示为“subplot(234)
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('image\\boatGray.bmp',cv2.IMREAD_GRAYSCALE)
equ = cv2.equalizeHist(img)
plt.subplot(121),plt.hist(img.ravel(),256)
plt.subplot(122),plt.hist(equ.ravel(),256)
imshow(X, cmap=None)
X表示要绘制的图像，cmap表示colormap，颜色图谱，默认为RGB(A)颜色空间。
灰度图像 ：colormap，颜色图谱，默认为RGB(A)颜色空间使用参数cmap=plt.cm.gray
彩色图像 ：colormap，颜色图谱，默认为RGB(A)颜色空间，如果使用opencv读入的图像，默认空间为BGR，需要调整色彩空间为RGB。
import cv2
import matplotlib.pyplot as plt
o = cv2.imread('image\\girl.bmp')
g=cv2.cvtColor(o, cv2.COLOR_BGR2GRAY)
plt.subplot(221)
plt.imshow(o),plt.axis('off')
plt.subplot(222)
plt.imshow(o,cmap=plt.cm.gray),plt.axis('off')
plt.subplot(223)
plt.imshow(g),plt.axis('off')
plt.subplot(224)
plt.imshow(g,cmap=plt.cm.gray),plt.axis('off')
第一个图是：彩色图像，使用默认参数。
第二个图是：彩色图像，使用参数cmap=plt.cm.gray
第三个图是：灰色图像，使用默认参数
第四个图是：灰色图像，使用参数cmap=plt.cm.gray
那么只有第四个图是正确的。
对于彩色图像：
import cv2
import matplotlib.pyplot as plt
img = cv2.imread('image\\girl.bmp')
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')必须要将BGR split然后merge成RGB才可以。
6.直方图均衡化对比
import cv2
import matplotlib.pyplot as plt
img = cv2.imread('image\\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)
到此这篇关于python OpenCV图像直方图处理的文章就介绍到这了,更多相关 python OpenCV内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！