matlab中的灰度直方图及imhist函数

灰度直方图

 灰度直方图描述了一幅图像的绘图统计信息,主要应用于图像分割和图像灰度变换等处理过程中。从数学上说它是一个关于灰度的函数,如令x表示灰度值(一般0≤x≤255),则f(x)表示当x为特定灰度时,一幅图像上灰度值为x的像素的数量,要注意的是这里的函数f(x)是一个离散的函数。从图形上来说,灰度直方图就是一个二维图,横坐标表示灰度值(灰度级别),纵坐标表示具有各个灰度值或者灰度级别的像素在图像中出现的次数或者概率。

imhist函数:计算图像直方图函数

具体用法: 

imhist( i ):直接显示图像i的灰度直方图(默认为255个灰度级); 
imhist(i,n):n为指定灰度级显示直方图; 
[count, x] = imhist( i ) 获取直方图信息,count为每一级灰度像素个数,x为灰度级,x也可以在imhist(i,x)中指定,可以通过stem(x,count)画相应直方图;

代码示例

clc;clear all;close all;

I = imread('cameraman.tif');
figure;
imshow(I);
title('source');

figure;
subplot(221);imhist(I,2);
subplot(222);imhist(I,5);
subplot(223);imhist(I,10);
subplot(224);imhist(I);

figure;
subplot(121); imhist(I,10)
[count,x] = imhist(I,10)
subplot(122);stem(x,count);

结果如下



由此可见,柱状图的峰值出现在0和170附近,这是因为图片中的主要颜色分别为人物衣服的黑色和天空的灰色。



[count,x] = imhist(I,10)
上述代码的运行结果如下:

count =
        9008
        5530
        1957
        2181
        7801
       12551
       23404
        2576
         436
          92
x =
         0
   28.3333
   56.6667
   85.0000
  113.3333
  141.6667
  170.0000
  198.3333
  226.6667
  255.0000

输出结果共10个,x代表灰度值,count为每一级灰度像素个数


参考博客:

https://blog.youkuaiyun.com/artprog/article/details/49747173

https://blog.youkuaiyun.com/ahafg/article/details/48676543








### 如何将YOLO与PyQt结合使用 为了实现YOLO与PyQt的集成,可以按照以下方法构建应用程序: #### 1. 安装依赖库 确保安装了必要的Python包。这通常包括`opencv-python`用于图像处理以及`torch`和`tqdm`等其他可能需要的机器学习框架。 ```bash pip install opencv-python torch tqdm pyqt5 ``` #### 2. 加载并配置YOLO模型 加载预训练好的YOLO权重文件,并设置好检测参数。这部分代码可以从官方GitHub仓库获取或者基于已有的YOLO版本调整[^1]。 ```python import cv2 from ultralytics import YOLO model = YOLO('yolov8n.pt') # Load model ``` #### 3. 创建PyQt界面 设计图形用户界面(GUI),允许用户选择视频源或图片路径作为输入给YOLO进行目标识别。这里展示了一个简单的窗口布局例子[^2]。 ```python from PyQt5.QtWidgets import QApplication, QMainWindow, QPushButton, QVBoxLayout, QWidget, QLabel, QLineEdit class MainWindow(QMainWindow): def __init__(self): super().__init__() self.setWindowTitle("YOLO Object Detection") layout = QVBoxLayout() label = QLabel("Enter image path:") line_edit = QLineEdit() button = QPushButton("Detect Objects!") layout.addWidget(label) layout.addWidget(line_edit) layout.addWidget(button) container = QWidget() container.setLayout(layout) self.setCentralWidget(container) ``` #### 4. 实现对象检测逻辑 当点击按钮时触发事件处理器,在其中调用YOLO来进行预测并将结果显示出来。注意要处理不同类型的媒体数据(如摄像头流、本地文件)[^3]。 ```python def on_button_clicked(self): img_path = self.line_edit.text() # Get input from user results = model(img_path) # Perform inference using loaded model res_plotted = results[0].plot() # Plot bounding boxes over detected objects cv2.imshow("Detected Image", res_plotted) # Show result in a window cv2.waitKey(0) button.clicked.connect(on_button_clicked) ``` 以上就是基本的工作流程;当然实际项目可能会更复杂一些,比如还需要考虑多线程运行以提高性能等问题。对于具体细节上的差异,则取决于所选用的具体YOLO变体及其对应的API接口文档说明[^4]。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

安安csdn

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值