opencv 直方图处理(python)

直方图处理

直方图从图像内部灰度级的角度对图像进行表述

从直方图的角度对图像进行处理，可以达到增强图像显示效果的目的。

直方图的含义

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出现的次数。

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。

在绘制直方图时，将灰度级作为x轴处理，该灰度级出现的次数作为y轴处理

把左侧的直线图和右侧直方图都称为直方图

在实际处理中，图像直方图的x轴区间一般是[0, 255]，对应的是8位位图的256个灰度级；y轴对应的是具有相应灰度级的像素点的个数。

归一化直方图: 在归一化直方图中，x轴仍然表示灰度级；y轴不再表示灰度级出现的次数，而是灰度级出现的频率。

灰度级出现的频率=灰度级出现的次数/总像素数

在归一化直方图中，各个灰度级出现的频率之和为1。

归一化直方图与直方图在外观上是一致的，只是y轴的标签不同而已。

在OpenCV的官网上，特别提出了要注意的三个概念：DIMS、BINS、RANGE

• DIMS：表示在绘制直方图时，收集的参数的数量。一般情况下，直方图中收集的数据只有一种，就是灰度级。因此，该值为1。

• RANGE：表示要统计的灰度级范围，一般为[0, 255]。0对应的是黑色，255对应的是白色。

• BINS：参数子集的数目。在处理数据的过程中，有时需要将众多的数据划分为若干个组，再进行分析。

  例如： 希望将两个像素值作为一组讨论

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，通常采用该函数直接绘制直方图。

除此以外，OpenCV中的cv2.calcHist()函数能够计算统计直方图，还可以在此基础上绘制图像的直方图。

使用Numpy绘制直方图

模块matplotlib.pyplot提供了一个类似于MATLAB绘图方式的框架，可以使用其中的matplotlib.pyplot.hist()函数来绘制直方图。

此函数的作用是根据数据源和灰度级分组绘制直方图。

其基本语法格式为：

matplotlib.pyplot.hist(X, BINS)

• X：数据源，必须是一维的。图像通常是二维的，需要使用ravel()函数将图像处理为一维数据源以后，再作为参数使用。
• BINS:BINS的具体值，表示灰度级的分组情况。

函数ravel()的作用是将二维数组降维成一维数组。

例如：数组a

使用函数ravel()对a进行处理：

b = a.ravel() 

使用hist()函数绘制一幅图像的直方图

import cv2 
import matplotlib.pyplot as plt 
o=cv2.imread("./img/hand1.png") 
cv2.imshow("original", o) 
plt.hist(o.ravel(),256)
plt.show()
cv2.waitKey() 
cv2.destroyAllWindows() 

使用函数hist()将一幅图像的灰度级划分为16组后，绘制该图像的直方图。

将灰度级划分为16组，即将灰度级划分为16个子集，对应的BINS值为16。

import cv2 
import matplotlib.pyplot as plt 
o=cv2.imread("./img/hand1.png") 
plt.hist(o.ravel(),16) 
plt.show()

使用OpenCV绘制直方图

OpenCV提供了函数cv2.calcHist()用来计算图像的统计直方图，该函数能统计各个灰度级的像素点个数。

利用matplotlib.pyplot模块中的plot()函数，可以将函数cv2.calcHist()的统计结果绘制成直方图。

1. 用cv2.calcHist()函数统计图像直方图信息

   函数cv2.calcHist()用于统计图像直方图信息，其语法格式为:

   hist = cv2.calcHist( images, channels, mask, histSize, ranges, accumulate )
   

   函数中返回值及参数的含义为：

   • hist：返回的统计直方图，是一个一维数组，数组内的元素是各个灰度级的像素个数。

   • images：原始图像，该图像需要使用“[ ]”括起来。

   • channels：指定通道编号。通道编号需要用“[ ]”括起来，如果输入图像是单通道灰度图像，该参数的值就是[0]。对于彩色图像，它的值可以是[0]、[1]、[2]，分别对应通道B、G、R。

   • mask：掩模图像。当统计整幅图像的直方图时，将这个值设为None。当统计图像某一部分的直方图时，需要用到掩模图像。

     仅计算掩膜区域

   • histSize:BINS的值，该值需要用“[ ]”括起来。例如，BINS的值是256，需要使用“[256]”作为此参数值。

   • ranges：即像素值范围。例如，8位灰度图像的像素值范围是[0, 255]。

   • accumulate：累计（累积、叠加）标识，默认值为False。如果被设置为True，则直方图在开始计算时不会被清零，计算的是多个直方图的累积结果，用于对一组图像计算直方图。该参数允许从多个对象中计算单个直方图，或者实时更新直方图。该参数是可选的，一般情况下不需要设置。

   **例子：**使用cv2.calcHist()函数计算一幅图像的统计直方图结果，并观察得到的统计直方图信息。

   import cv2 
   import numpy as np 
   img=cv2.imread("./img/hand1.png") 
   hist = cv2.calcHist([img], [0], None, [256], [0,255]) 
   print(type(hist)) 
   print(hist.shape