- 1 图像直方图基本概念
- 2 使用opencv统计图片的直方图
- 3 绘制直方图
- 原始图片
- 色彩分布情况
- 4 使用掩膜的直方图
- 5 直方图均衡化
- 均衡化具体步骤
在统计学上直方图是对数据分布的统计，是一种二维的统计图表。
-
图像直方图用来表示数字像素中亮度分布的情况，通过使用图像直方图，标注坐标轴中像素的亮度。
-
横坐标：图像中像素的灰度级。0-255
-
纵坐标：具有该灰度级像素的个数。
图片来源：https://www.cambridgeincolour.com/tutorials/histograms1.htm -
得到一个灰度级矩阵，计算出x轴，y轴即可画出直方图
( 1 2 2 3 ) X = [ 1 , 2 , 3 ] Y = [ 1 , 2 , 1 ] begin{pmatrix} 1 & 2 \ 2 & 3 end{pmatrix} X = [1,2,3] Y = [1,2,1] (1223)X=[1,2,3]Y=[1,2,1] -
dims：统计的特征数目个数，一般为1，只统计灰度值
-
bins：每个特征空间子区段的数目
-
range:统计灰度值范围，一那么是【0,255】
- cv2.calcHist(img,channels,mask,histSize,ranges)
- img:原始图片
- channels：指定通道。需要用中括号括起来。如果是灰色图灰度值为[0],色彩图[0][1][2]对应B、G、R
- mask：掩码图像。统计整个图的直方图为None，局部需要设计
- histSize：Bins区间的个数，需要用中括号[256]等表示
- ranges：像素的范围[0,255]
import cv2
# 读取图片
img = cv2.imread('imgs/66.jpg')
# 对此图片进行直方图的灰度值统计，可以统计多个照片，使用灰度值，全图检测，划分256个区间，范围在0到255
hist = cv2.calcHist([img], [0], None, [256], [0, 255])
3 绘制直方图
使用calHist统计出不同颜色的灰度统计，结合matplotlib库函数绘制出直方图
原始图片
图片来源：https://www.douyu.com/
import cv2
from matplotlib import pyplot as plt
# 读取图片
img = cv2.imread('imgs/66.jpg')
# 对此图片进行直方图的灰度值统计，可以统计多个照片，使用灰度值，全图检测，划分256个区间，范围在0到255
hist1 = cv2.calcHist([img], [0], None, [256], [0, 255])
hist2 = cv2.calcHist([img], [1], None, [256], [0, 255])
hist3 = cv2.calcHist([img], [2], None, [256], [0, 255])
#分别统计三种色彩的分布情况
plt.plot(hist1,'b')
plt.plot(hist2,'g')
plt.plot(hist3,'r')
plt.show()
4 使用掩膜的直方图
为了得到某个局部位置的像素直方图情况，使用掩膜创建一个跟原图片大小一样的纯黑图片。
- 将想要测量的目标区域设为255.：mask = [100:200,200:300] = 255
import cv2
import numpy as np
from matplotlib import pyplot as plt
#读取要识别的照片
img = cv2.imread('imgs/66.jpg')
#将照片转换成单通道的灰色图
gary = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
#设置掩膜
mask = np.zeros(np.shape(gary),np.uint8)
#设置需要获取的部分
mask[100:200,100:200] = 255
#局部照片的像素灰度情况
hist1 = cv2.calcHist([gary],[0],mask,[256],[0,255])
#整张照片的灰度情况
hist2 = cv2.calcHist([gary],[0],None,[256],[0,255])
#绘制图片
plt.plot(hist1,label='mask')
plt.plot(hist2,label='img')
plt.show()
5 直方图均衡化
- 当直方图的灰度值出现过于集中的时候，为了使照片显得颜色均匀，故引入直方图均衡化
- 计算出图片的直方图，统计像素集的个数，计算概率，得到累计概率的直方图
- 将直方图进行区间转换：将概率*灰度集的个数
- 在概率直方图中，将概率相近的当做同一个灰度级
- cv2.equalizeHist(src，[dst]):原图+目标图
import cv2
from matplotlib import pyplot as plt
#读取要识别的照片
img = cv2.imread('imgs/66.jpg')
#将照片转换成单通道的灰色图
old_img = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
new_img = cv2.equalizeHist(old_img)
#原先照片的像素灰度情况
hist1 = cv2.calcHist([old_img],[0],None,[256],[0,255])
#均衡化之后照片的灰度情况
hist2 = cv2.calcHist([new_img],[0],None,[256],[0,255])
#绘制图片
plt.plot(hist1,label='old')
plt.plot(hist2,label='new')
plt.legend()
plt.show()
