python OpenCV圖像直方圖處理
1.圖像直方圖基本含義和繪制
首先我們先要瞭解一下python三大劍客之一——matplotlib
我們都知道matlab作為一個工具是公認的繪圖牛，但是我想說的是python下的matplotlib這個超級劍客也是非常厲害的，因為python近年來才火熱起來，所以熱度沒有matlib高，但是matlib可以實現的功能作為python都是差不多可以實現的。
我們回歸正題，先來介紹下matplotlib怎麼簡單的畫一個直方圖。
import numpy as np import matplotlib.pyplot as plt x=np.arange(0,5,0.1) y=np.sim(x) plt.plot(x,y)
簡單的不能再簡單瞭吧，我們使用它去繪制一個sin（x）的函數圖像。
那麼matplotlib如何和CV一起工作呢？
import cv2
import matplotlib.pyplot as plt
o=cv2.imread("image\\boatGray.bmp")
histb = cv2.calcHist([o],[0],None,[256],[0,255])
plt.plot(histb,color='b')
plt.show()
結果是（也很好理解吧）：
針對於彩色圖像我們也可以針對BGR分別作圖。
import cv2
import matplotlib.pyplot as plt
o=cv2.imread("image\\girl.bmp")
histb = cv2.calcHist([o],[0],None,[256],[0,255])
histg = cv2.calcHist([o],[1],None,[256],[0,255])
histr = cv2.calcHist([o],[2],None,[256],[0,255])
plt.plot(histb,color='b')
plt.plot(histg,color='g')
plt.plot(histr,color='r')
plt.show()
直方圖的繪制我們使用的函數還有：函數hist
功能：根據數據源和像素級繪制直方圖。
語法： hist(數據源，像素級）
數據源：圖像，必須是一維數組。
像素級：一般是256，指[0,255]
功能：將多維數組降為一維數組。格式：一維數組=多維數組.ravel()
import cv2
import matplotlib.pyplot as plt
o=cv2.imread("image\\boat.jpg")
cv2.imshow("o",o)
cv2.waitKey()
cv2.destroyAllWindows()
plt.hist(o.ravel(),256)
2.OpenCV統計直方圖並繪制
使用OpenCV對圖像進行繪制的和橫坐標表示像素值比如[0,255]，縱坐標表示像素值的個數。
繪制函數：
hist = cv2.calcHist( images, channels, mask, histSize, ranges, accumulate )
其中，hist返回結果是一個直方圖，返回的直方圖，是一個二維數組。
image原始圖像：圖像需要使用“[ ]”括起來使用。
channels：
通道編號需要用中括號括起來輸入圖像是灰度圖時，它的值是[0]；彩色圖像可以是[0]，[1]，[2]。分別對應通道B，G，R。
mask：掩碼圖像統計整幅圖像的直方圖，設為None。統計圖像某一部分的直方圖時，需要掩碼圖像。
histSize
BINS的數量，例如【256】
ranges
像素值范圍RANGE
accumulate默認值為false。如果被設置為true，則直方圖在開始分配時不會被清零。該參數允許從多個對象中計算單個直方圖，或者用於實時更新直方圖。多個直方圖的累積結果，用於對一組圖像計算直方圖。
使用OpenCV畫出直方圖：
import cv2
import matplotlib.pyplot as plt
o=cv2.imread("image\\girl.bmp")
histb = cv2.calcHist([o],[0],None,[256],[0,255])
histg = cv2.calcHist([o],[1],None,[256],[0,255])
histr = cv2.calcHist([o],[2],None,[256],[0,255])
plt.plot(histb,color='b')
plt.plot(histg,color='g')
plt.plot(histr,color='r')
plt.show()
3.使用掩碼的直方圖-直方圖、掩膜
掩碼說實話就是使用掩膜的黑色部分把原始圖像的部分給覆蓋掉，也稱為過濾掉。那麼我們怎麼做呢？首先我們需要創建一個掩膜：
mask=np.zeros(image.shape,np.uint8) mask[200:400,200:400]=255
首先創建一個全0的和原圖像size一致的，然後我們把指定范圍指定為白色。然後傳入函數內：
import cv2
import numpy as np
import matplotlib.pyplot as plt
顯示直方圖
image=cv2.imread("image\\girl.bmp",cv2.IMREAD_GRAYSCALE)
mask=np.zeros(image.shape,np.uint8)
mask[200:400,200:400]=255
histMI=cv2.calcHist([image],[0],mask,[256],[0,255])
histImage=cv2.calcHist([image],[0],None,[256],[0,255])
plt.plot(histImage)
plt.plot(histMI)
結果是：
掩膜原理：
說實在的就是與和或的關系，與就是一個不行就都不行。或就是一個行就可以。
而我們的掩膜原理主要用到的就是與操作；
計算結果 = cv2.bitwise_and(圖像1，圖像2)
import cv2
import numpy as np
import matplotlib.pyplot as plt
image=cv2.imread("image\\boat.bmp",0)
mask=np.zeros(image.shape,np.uint8)
mask[200:400,200:400]=255
mi=cv2.bitwise_and(image,mask)
cv2.imshow('original',image)
cv2.imshow('mask',mask)
cv2.imshow('mi',mi)
cv2.waitKey()
cv2.destroyAllWindows()
4.直方圖均衡化原理及函數
在維基百科是這樣定義的：
對應在圖像上就是：
前提：如果一幅圖像占有全部可能的灰度級，並且均勻分佈。
結論：該圖像具有高對比度和多變的灰度色調。
外觀：圖像細節豐富，質量更高。
算法：
- 1.計算累計直方圖
- 2.將累計直方圖進行區間轉換
- 3.在累計直方圖中，概率相近的原始值，會被處理為相同的值。
1.計算灰度級出現的概率情況
𝑟𝑘：第K個灰度級
𝑛𝑘：第k級灰度的像素個數
N：圖像內總像素的個數
L：灰度級最大值，灰度值區間[0,L-1]
2.變換函數
我們把公式表現在圖片上就是：
這樣就完成瞭從原始圖像計算得到瞭均衡直方圖。
雖然二者相似。但右側的分佈更均衡，相鄰像素級概率和與高概率近似相等。可應用到醫療圖像處理，車牌識別，人臉識別。
對應函數是：dst = cv2.equalizeHist( src )
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('image\\equ.bmp',cv2.IMREAD_GRAYSCALE)
equ = cv2.equalizeHist(img)
plt.hist(img.ravel(),256)
plt.figure()
plt.hist(equ.ravel(),256)
我們處理一下lena，就是這樣：
5.子圖的繪制
我們有的時候為瞭方便對比，會想要把幾個圖放在一張大圖中進行比較，那麼我們怎麼去做呢？有沒有一個函數可以完成這個操作呢。
subplot(nrows, ncols, plot_number)
nrows表示行數，ncols表示列數，plot_number表示第幾個。subplot(2,3,4)那麼就表示2行三列，第四個圖。
當每一個參數都小於10時，可以直接書寫三個數字，表示為“subplot(234)
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('image\\boatGray.bmp',cv2.IMREAD_GRAYSCALE)
equ = cv2.equalizeHist(img)
plt.subplot(121),plt.hist(img.ravel(),256)
plt.subplot(122),plt.hist(equ.ravel(),256)
imshow(X, cmap=None)
X表示要繪制的圖像，cmap表示colormap，顏色圖譜，默認為RGB(A)顏色空間。
灰度圖像 ：colormap，顏色圖譜，默認為RGB(A)顏色空間使用參數cmap=plt.cm.gray
彩色圖像 ：colormap，顏色圖譜，默認為RGB(A)顏色空間，如果使用opencv讀入的圖像，默認空間為BGR，需要調整色彩空間為RGB。
import cv2
import matplotlib.pyplot as plt
o = cv2.imread('image\\girl.bmp')
g=cv2.cvtColor(o, cv2.COLOR_BGR2GRAY)
plt.subplot(221)
plt.imshow(o),plt.axis('off')
plt.subplot(222)
plt.imshow(o,cmap=plt.cm.gray),plt.axis('off')
plt.subplot(223)
plt.imshow(g),plt.axis('off')
plt.subplot(224)
plt.imshow(g,cmap=plt.cm.gray),plt.axis('off')
第一個圖是：彩色圖像，使用默認參數。
第二個圖是：彩色圖像，使用參數cmap=plt.cm.gray
第三個圖是：灰色圖像，使用默認參數
第四個圖是：灰色圖像，使用參數cmap=plt.cm.gray
那麼隻有第四個圖是正確的。
對於彩色圖像：
import cv2
import matplotlib.pyplot as plt
img = cv2.imread('image\\girl.bmp')
b,g,r=cv2.split(img)
img2=cv2.merge([r,g,b])
plt.subplot(121)
plt.imshow(img),plt.axis('off')
plt.subplot(122)
plt.imshow(img2),plt.axis('off')
必須要將BGR split然後merge成RGB才可以。
6.直方圖均衡化對比
import cv2
import matplotlib.pyplot as plt
img = cv2.imread('image\\boat.bmp',cv2.IMREAD_GRAYSCALE)
equ = cv2.equalizeHist(img)
plt.subplot(221)
plt.imshow(img,cmap=plt.cm.gray),plt.axis('off')
plt.subplot(222)
plt.imshow(equ,cmap=plt.cm.gray),plt.axis('off')
plt.subplot(223)
plt.hist(img.ravel(),256)
plt.subplot(224)
plt.hist(equ.ravel(),256)
到此這篇關於python OpenCV圖像直方圖處理的文章就介紹到這瞭,更多相關 python OpenCV內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！
推薦閱讀：
- python中opencv 直方圖處理
- 深入瞭解Python二維直方圖
- Python matplotlib繪制灰度和彩色直方圖
- python數字圖像處理圖像的繪制詳解
- Python+OpenCV圖像處理之直方圖統計