自定义直方图箱图并进行归一化（Python）

原创于 2023-09-06 01:51:46 发布 · 303 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#python #信息可视化 #开发语言 #Python

Python 专栏收录该内容

285 篇文章 ¥59.90 ¥99.00

订阅专栏

本文介绍了如何使用Python的NumPy和Matplotlib库创建自定义直方图和箱图，并对直方图进行归一化处理。通过示例展示了如何生成随机数据，绘制直方图和箱图，以及进行归一化，帮助理解数据的分布和统计特征。

自定义直方图箱图并进行归一化（Python）

在数据分析和可视化中，直方图是一种常用的图表类型，用于展示数据的分布情况。而箱图（Box plot）则是一种用于显示数据分布、离群值和数据集的统计特征的图表类型。本文将介绍如何使用Python编程语言创建自定义直方图箱图，并对其进行归一化处理。

首先，我们需要导入所需的库。在这个例子中，我们将使用NumPy进行数值计算和数组操作，以及Matplotlib库进行数据可视化。

import numpy as np
import matplotlib.pyplot as plt

接下来，我们需要生成一个示例数据集。这里我们使用NumPy的随机数生成函数np.random.randn生成1000个随机数，符合正态分布。

data = np.random.randn

了解本专栏

订阅专栏解锁全文

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

认真写代码i

关注关注

1
点赞
踩
1

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

专栏目录

订阅专栏

自定义直方图箱图并进行归一化处理（Python实现）

m0_47037246的博客

04-27

450

其中，bins参数用于指定我们将数据分成多少个箱子（或又称为区间），而density参数用于控制是否进行归一化处理。在数据分析与可视化中，直方图和箱图是常用的统计工具，它们能够帮助我们更好地理解数据的分布情况。本文将介绍如何使用Python编程，自定义直方图和箱图，并对其进行归一化处理。我们同样需要用numpy.histogram函数生成数据，并使用matplotlib.pyplot.boxplot函数来绘制箱图。为了方便演示，我们使用numpy.random模块生成1000个随机数据，范围为0到1之间。

python使用matplotlib可视化归一化的直方图（histogram）、Y轴坐标为比例、而非频率、自定义直方图箱图不填充(normalizing a histogram）

data+scenario+science+insight

02-09

2912

python使用matplotlib可视化归一化的直方图（histogram）、Y轴坐标为比例、而非频率、自定义直方图箱图不填充(normalizing a histogram in matplotlib)

参与评论您还未登录，请先登录后发表或查看评论

matlab 直方图归一化

runfeel

05-10

3719

直方图规定化 直方图均衡化的优点是能自动增强整个图像的对比度,但它的具体增强效果不易控制,处理的结果总是得到全局的均衡化的直方图.实际工作中,有时需要变换直方图使之成为某个特定的形状,从而有选择地增强某个灰度值范围内的对比度,这时可采用比较灵活的直方图规定化方法.直方图规定化增强处理的步骤如下: 令Pr（r）和Pz（z）分别为原始图像和期望图像的灰度概率密度函数。如果对原始图像和期望图像均作直...

python显示归一化后的直方图

qq_34286693的博客

07-18

9412

在使用python进行绘制直方图的时候，首先想到的是使用matplotlib.pyplot.hist这一个函数。 matplotlib.pyplot.hist(x, bins=None, range=None, density=None, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orie...

OpenCV直方图正规化（归一化）

Vermont_的博客

09-02

7337

图像直方图描述了图像中灰度值的分布情况，直方图均衡化就是通过拉伸像素强度分布范围来增强图像对比度的一种方法。可以看到像素主要集中在中间的一些强度值上。直方图均衡化要做的就是拉伸这个范围。如下：作途中绿色圈圈出了少有像素分布其上的强度值，对其应用均衡化后得到中间图所示的直方图，均衡化后的图像见上右图。比如说，数据集中在000处（左侧）的图像全体会偏暗，数据集中在255255255处（右侧）的图像会偏亮。如果直方图有所偏向，那么其动态范围（ dynamic range ）就会较低。为了使

直方图归一化

zhangpan333的博客

08-31

2273

转载：https://blog.youkuaiyun.com/Ibelievesunshine/article/details/104918524

OpenCV利用python来实现图像的直方图均衡化

12-16

`cv2.minMaxLoc`函数用于找到直方图中的最大值和最小值及其索引，这对于直方图归一化是必要的。在实现直方图均衡化时，对于灰度图像，我们可以直接使用`cv2.equalizeHist`函数。这个函数会通过重新映射像素值来...

python实现直方图均衡化

热门推荐

熬夜大学生的博客

12-24

1万+

直方图均衡化 1.大致思路首先求出原图片的直方图，即图片中每个灰度值的具体像素点数量，具体函数为cv2.calcHist([img],[0],None,[256],[0,255])，再除以该图片的总像素点（h*w）求出其概率，并将结果放置hist_img数组。利用累积分布函数，设置一个新的数组sum_hist，求出从0到i的所有灰度值所对应的像素点数的概率，即 sum_hist[i] = sum(hist[0:i+1])。对于新建立的sum_hist，要对其乘上（L-1），并且由于灰度值是整数，所以

python+opencv：对比度拉伸/归一化，直方图绘制

Danica的博客

06-22

4450

在图像处理中，归一化是一个改变像素强度值范围的过程。正常化有时被称为对比度拉伸或直方图拉伸。在更普遍的数据处理领域，如数字信号处理，它被称为动态范围扩展。

直方图归一

蓝伟的专栏

01-24

2427

项目中遇到要直方图均衡化，在网上找到如下介绍：直方图均衡化算法分为三个步骤，第一步是统计直方图每个灰度级出现的次数，第二步是累计归一化的直方图，第三步是计算新的像素值。第一步： for(i=0;i<height;i++){ for(j=0;j<width;j++){ n[s[i][j]]++; } } for(i=0;i<L;i++){ p[i]=n[i]/(width*height); } 这里

归一化直方图：函数制作归一化直方图，即概率密度函数的估计。-matlab开发

06-01

该函数制作归一化直方图，即概率密度函数的估计。 直方图的面积等于 1，因为该面积低于理论 PDF 函数。您可以使用此脚本的输出将经验数据与特定分布的理论 PDF 进行比较。输入：数据 - 经验数据bins - 直方图 bins 的数量视图（可选）- 1 = 将直方图绘制到图中，0 = 仅获取值（0 是默认值）输出： h - 直方图条的标准化“高度” x - 箱的中心

直方图均衡化、归一化直方图 matlab代码.m

08-13

用于对图像的直方图均衡化处理、并显示其归一化直方图的MATLAB代码

python实现几种归一化方法（Normalization Method）

09-18

主要介绍了python实现几种归一化方法（Normalization Method），文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

matlab图像处理为什么要归一化和如何归一化

04-08

matlab图像处理为什么要归一化和如何归一化

挑战图像处理100问（21）——直方图归一化

qq_42662568的博客

04-16

4465

直方图归一化（ Histogram Normalization ）有时直方图会偏向一边。比如说，数据集中在000处（左侧）的图像全体会偏暗，数据集中在255255255处（右侧）的图像会偏亮。如果直方图有所偏向，那么其动态范围（ dynamic range ）就会较低。为了使人能更清楚地看见图片，让直方图归一化、平坦化是十分必要的。这种归一化直方图的操作被称作灰度变换（Grayscal...

40.图像直方图归一化

twnkie的博客

08-07

1591

图像直方图归一化（Histogram Normalization）是一种将图像的直方图进行线性拉伸或均衡化的操作。它通过调整图像中像素灰度级别的分布，使得图像在亮度和对比度上更加均匀，增强了图像的视觉效果。其中，src是输入图像，dst是输出的归一化结果，min和max分别是输入图像的最小和最大像素值，alpha和beta是归一化的最小和最大值。其中，src是输入图像，dst是输出的归一化结果，mean和std_dev分别是输入图像的平均值和标准差。

第3章 Python 数字图像处理(DIP) - 灰度变换与空间滤波7 - 直方图处理 - 直方图、归一化直方图

jasneik的博客

02-04

726

目录直方图处理 直方图处理令rk,k=0,1,2,…,L−1r_k, k=0, 1, 2, \dots, L-1rk,k=0,1,2,…,L−1表于一幅LLL级灰度数字图像f(x,y)f(x,y)f(x,y)的灰度。fff的非归一化直方图定义为： h(rk)=nk,k=0,1,2,…,L−1(3.6)h(r_{k}) = n_{k}, \quad k = 0, 1, 2, \dots, L-1 \tag{3.6}h(rk)=nk,k=0,1,2,…,L−1(3.6) nk是fn_{k}是fnk是f

matlab 直方图的求解及归一化直方图

u013146742的博客

10-24

5707

I=imread('clock.jpg'); 当读取图像直方图时，出现就是图像是彩色的先把图像变换为灰度图像然后再进行求解直方图 b=rgb2gray(I); imhist(b); 然后就会显示出灰度直方图啦然后归一化直方图： >> [m,n]=size(b); >> [counts ,x]=imhist(b,32); >> counts=counts/m/n;