OpenCV图像直方图(python)

最新推荐文章于 2025-10-01 22:43:58 发布

原创最新推荐文章于 2025-10-01 22:43:58 发布 · 435 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#opencv

一、读取图像

知识储备：图像直方图

直方图是数值数据分布的精确图形表示。

这是一个连续变量（定量变量）的概率分布的估计，并且被卡尔·皮尔逊（Karl Pearson）首先引入。它是一种条形图。

构建直方图： ①将值的范围分段 ②计算每个间隔中有多少值

知识实战：直方图阈值化

对于任何一张图像，它的直方图中如果存在较为明显的双峰，用直方图分割技术法可以达到很好的效果，否则，达到的效果会很不理想。

1、使用掩膜进行直方图绘制

直方图均衡

知识实战：直方图均衡化

二、直方图比较

创建 RGB 三通道直方图（直方图矩阵）

创建一个（16*16*16,1）的初始矩阵，作为直方图矩阵 16*16*16的意思为三通道每通道有16个bins 人为构建直方图矩阵的索引，该索引是通过每一个像素点的三通道值进行构建该处形成的矩阵即为直方图矩阵

创建第一幅图的rgb三通道直方图（直方图矩阵）

直方图比较函数

知识实战：直方图比较

（1）相关性比较（Correlation）

（2）Chi-Square（卡方比较）

（3）Intersection（十字交叉性）

（4）Bhattacharyya distance（巴氏距离）

Step1：先用cvtColor()把图像从RGB色彩空间转换到HSV色彩空间;

Step2：计算图像的直方图，然后归一化到[0~1]之间，用到函数 calcHist() 和 normalize()

Step3：使用上述的四种方法之一进行比较，用到函数compareHist()。

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Boombl

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

OpenCV直方图(直方图、直方图均衡，直方图匹配，原理、实现)

konglongdanfo的博客

06-21

3722

1 直方图 灰度级范围为 [0,L−1][0,L−1][0,L-1] 的数字图像的直方图是离散函数 h(rk)=nkh(rk)=nkh(r_k) = n_k , 其中 rkrkr_k 是第kkk级灰度值，nknkn_k 是图像中灰度为 rkrkr_k 的像素个数。在实践中，经常用乘积 MNMNMN 表示的图像像素的总数除它的每个分量来归一化直方图，通常 MMM 和 NNN 是图像的行和列的位数。...

OpenCV Python教程（3、直方图的计算与显示）

最新发布

2402_86422328的博客

10-01

377

Opencv中图像的直方图以及直方图的绘制原理,通道分离,图像归一化,直线绘制

python opencv直方图_Python opencv直方图,PythonOpenCV

weixin_36184985的博客

12-30

166

# -*- coding: utf-8 -*-'''Python OpenCV 显示直方图'''import cv2import numpy as npfrom matplotlib import pyplot as plt#%% 使用plt绘制灰度图img = cv2.imread('lena.jpg',0)plt.figure()#plt.hist(img.ravel(),256,[0,256...

OpenCV Python 直方图

weixin_30872157的博客

06-01

246

OpenCV Python 直方图 直方图 什么是直方图 直方图的作用敲程序下面为使用Python的OpenCV和matplotlib来编写几个samples程序来实际感受一下图像的直方图：使用matplotlib计算直方图 代码 import cv2 import numpy as np from matplotlib imp...

OpenCV-Python 直方图

m0_37302966的博客

10-29

1139

OpenCV-Python 直方图

精选资源

python opencv图像直方图均衡化

04-20

在Python中使用OpenCV库进行图像直方图均衡化是一种常见且有效的方法。首先，了解直方图的概念是进行图像直方图均衡化的前提。图像直方图是一种统计图表，用于显示图像中每个亮度级别出现的频率。通过直方图，我们...

用于相似图片搜索引擎的Python OpenCV图像直方图

人工智能研究所的博客

06-02

1085

像的构成是由像素点构成的，每个像素点的值代表着该点的颜色（灰度图或者彩色图）。所谓直方图就是对图像的中的这些像素点的值进行统计，得到一个统一的整体的灰度概念。

精选资源

OpenCV图像直方图处理与均衡化的Python实践（包含详细的完整的程序和数据）

10-10

本文详述了图像直方图的基本概念与应用场景，提供了利用 OpenCV 和 Matplotlib 在Python环境下对灰度及彩色图像的直方图的计算、描绘与均衡化的实现流程，并探讨了潜在的发展方向及操作过程中应注意的问题。...

OpenCV进阶操作：图像直方图、直方图均衡化

m0_65065095的博客

05-05

1404

传统的直方图均衡化方法是将整个图像的直方图变成均匀分布，但在某些情况下，图像的局部区域可能存在过亮或过暗的问题。在图像直方图中，横轴表示像素值的范围，通常为0-255，纵轴表示像素值的数量或频率。例如，柱子的高度表示图像中具有该像素值的像素的数量或出现的频率。通过直方图可以了解图像中不同亮度值的像素数量，从而判断图像的亮度分布情况。直方图均衡化：直方图均衡化是一种图像增强技术，它可以通过增加图像的对比度和亮度来改善图像的质量。例如，如果红色通道的直方图偏向左侧，则说明图像偏向较暗的红色，存在亮度偏移。

OpenCV图像处理技术（Python）——图像直方图

weixin_52243766的博客

06-27

1621

© Fu Xianjun. All Rights Reserved 一、直方图的含义从统计的角度讲，直方图是图像内灰度值的统计特性与图像灰度值之间的函数，直方图统计图像内各个灰度级的次数。从直方图的图形上观察，横坐标是图像中各像素点的灰度级，纵坐标是具有该灰度级（像素值）的像素个数. 示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。二、绘制直方图 Python的模块matplotlib.pyplot中的hist()函数能够方便地绘制直方图，我们通常采用该函数直接绘

OpenCv生成图像直方图

05-25

数字图像直方图（一维和二维直方图生成）参考博客：http://blog.youkuaiyun.com/xiaowei_cqu/article/details/7600666

OpenCV 学习（计算图像的直方图）

weixin_34303897的博客

07-03

162

OpenCV 计算图像的直方图 计算图像的直方图是图像处理领域一个非经常见的基本操作。 OpenCV 中提供了 calcHist 函数来计算图像直方图。只是这个函数说实话挺难用的，研究了好久才掌握了些主要的使用方法。 calcHist 函数 C++ 的函数原型例如以下： void calcHist(const Mat* images, int nimages, ...

Python+OpenCV图像处理（八）—— 图像直方图

weixin_34378922的博客

06-01

274

直方图简介：图像的直方图是用来表现图像中亮度分布的直方图,给出的是图像中某个亮度或者某个范围亮度下共有几个像素.还不明白?就是统计一幅图某个亮度像素数量.比如对于灰度值12,一幅图里面有2000 个像素其灰度值为12,那么就能够统计12这个亮度的像素为2000个,其他类推。参考：https://blog.youkuaiyun.com/xierhacker/article/details/52605308 ...

10.4 直方图

qq_40066957的博客

05-10

1734

直方图 学习目标掌握图像的直方图计算和显示了解掩膜的应用熟悉直方图均衡化，了解自适应均衡化 1灰度直方图 1.1 原理 直方图是对数据进行统计的一种方法，并且将统计值组织到一系列实现定义好的 bin 当中。其中， bin 为直方图中经常用到的一个概念，可以译为 “直条” 或 “组距”，其数值是从数据中计算出的特征统计量，这些数据可以是诸如梯度、方向、色彩或任何其他特征。图像直方图（Image Histogram）是用以表示数字图像中亮度分布的直方...

OpenCV-Python(22)：直方图的计算绘制与分析

图灵追幕者博客录

12-30

2824

接着，调用cv2.calcHist()函数计算灰度图像的直方图，其中channels参数为[0]表示只计算灰度通道的直方图，mask参数为None表示计算整个图像的直方图，histSize参数为[256]表示直方图分成256个bin，ranges参数为[0, 256]表示像素值的范围为0到255。那么到底要怎么做呢？通过分析图像的直方图，可以了解图像的亮度分布情况，进而进行亮度调整，使图像更加清晰、明亮或暗淡。通过分析图像的直方图，可以找到合适的阈值，将图像分成不同的区域，达到目标检测和图像分割的目的。

OpenCV——图像直方图

小铅笔

06-10

406

图像直方图是图像处理中非常重要的像素统计结果，图像直方图不再表征任何的图像纹理信息，而是对图像像素的统计。由于同一物体无论是旋转还是平移在图像中都具有相同的灰度值，因此直方图具有平移不变性、放缩不变性等优点，因此可以用来查看图像整体的变化形式，例如图像是否过暗、图像像素灰度值主要集中在哪些范围等，在特定的条件下也可以利用图像直方图进行图像的识别，例如对数字的识别。图像直方图简单来说就是统计图像中每个灰度值的个数，之后将图像灰度值作为横轴，以灰度值个数或者灰度值所占比率作为纵轴绘制的统计图。通过直方图可以

OpenCV—图像直方图

Ms_X_Zi的博客

07-08

454

图像直方图的两个基本属性：range[0， 256]和bins(组块) 直方图无空间信息中间灰度级像素多，动态范围小，图像对比度低 直方图均匀分布时图像最清晰图像的直方图是用来表现图像中亮度分布的直方图,给出的是图像中某个亮度或者某个范围亮度下共有几个像素,即统计一幅图某个亮度像素数量方法一：利用matplotlib import cv2 as cv import numpy a...

OpenCV之图像直方图

MachineLP的专栏

07-15

204

python代码： import cv2 as cv import numpy as np from matplotlib import pyplot as plt def custom_hist(gray): h, w = gray.shape hist = np.zeros([256], dtype=np.int32) for row in range(h): for col in range(w): pv = gray[row,

opencv生成直方图Python

06-14

### 使用 Python 和 OpenCV 生成图像直方图 以下是一个完整的代码示例，展示如何使用 Python 和 OpenCV 生成图像的直方图。此代码涵盖了灰度图像和彩色图像的处理方法。 ```python import cv2 import numpy as np from matplotlib import pyplot as plt # 灰度图像直方图生成 def generate_gray_histogram(image_path: str): img = cv2.imread(image_path, 0) # 以灰度模式读取图像 plt.hist(img.ravel(), 256, [0, 256]) # 计算直方图 plt.title('Gray Histogram') plt.xlabel('Pixel Value') plt.ylabel('Frequency') plt.show() # 彩色图像直方图生成 def generate_color_histogram(image_path: str): img = cv2.imread(image_path) # 以彩色模式读取图像 color = ('b', 'g', 'r') # 定义颜色通道 for i, col in enumerate(color): histr = cv2.calcHist([img], [i], None, [256], [0, 256]) # 计算每个通道的直方图 plt.plot(histr, color=col) plt.xlim([0, 256]) plt.title('Color Histogram') plt.xlabel('Pixel Value') plt.ylabel('Frequency') plt.show() # 测试代码 if __name__ == '__main__': image_path = 'example.jpg' # 替换为你的图像路径 generate_gray_histogram(image_path) # 生成灰度图像直方图 generate_color_histogram(image_path) # 生成彩色图像直方图 ``` #### 代码说明 1. **灰度图像直方图**：通过 `cv2.imread` 函数以灰度模式读取图像，并使用 `matplotlib.pyplot.hist` 方法计算和绘制直方图[^1]。 2. **彩色图像直方图**：通过 `cv2.imread` 函数以彩色模式读取图像，并使用 `cv2.calcHist` 方法分别计算每个颜色通道（蓝色、绿色、红色）的直方图[^2]。 3. **绘图**：使用 `matplotlib` 库绘制直方图，支持自定义标题、坐标轴标签等属性。 ### 直方图均衡化示例如果需要对图像进行直方图均衡化处理，可以参考以下代码： ```python import cv2 import numpy as np from matplotlib import pyplot as plt # 灰度图像直方图均衡化 def equalize_gray_histogram(image_path: str): img = cv2.imread(image_path, 0) # 以灰度模式读取图像 equ = cv2.equalizeHist(img) # 直方图均衡化 res = np.hstack((img, equ)) # 拼接原图和均衡化后的图像 cv2.imshow('Equalized Gray Histogram', res) cv2.waitKey(0) cv2.destroyAllWindows() # 彩色图像直方图均衡化 def equalize_color_histogram(image_path: str): img = cv2.imread(image_path) # 以彩色模式读取图像 (b, g, r) = cv2.split(img) # 分离颜色通道 bH = cv2.equalizeHist(b) # 对每个通道进行均衡化 gH = cv2.equalizeHist(g) rH = cv2.equalizeHist(r) result = cv2.merge((bH, gH, rH)) # 合并通道 cv2.imshow('Original Image', img) cv2.imshow('Equalized Color Histogram', result) cv2.waitKey(0) cv2.destroyAllWindows() # 测试代码 if __name__ == '__main__': image_path = 'example.jpg' # 替换为你的图像路径 equalize_gray_histogram(image_path) # 灰度图像均衡化 equalize_color_histogram(image_path) # 彩色图像均衡化 ``` #### 代码说明 1. **灰度图像均衡化**：使用 `cv2.equalizeHist` 函数对灰度图像进行直方图均衡化处理[^3]。 2. **彩色图像均衡化**：将彩色图像分解为 BGR 三个通道，分别对每个通道进行均衡化处理后重新合并[^5]。