Python+OpenCV圖像處理之直方圖統計的示例分析

這篇文章主要為大家展示了“Python+OpenCV圖像處理之直方圖統計的示例分析”，內容簡而易懂，條理清晰，希望能夠幫助大家解決疑惑，下面讓小編帶領大家一起研究并學習一下“Python+OpenCV圖像處理之直方圖統計的示例分析”這篇文章吧。

1. 直方圖概述

（1）基本概念

直方圖就是對圖像的另外一種解釋，它描述了整幅圖像的灰度分布。直方圖的 x 軸代表灰度值（0~255），y 軸代表圖片中同一種灰度值的像素點的數目，所以通過直方圖我們可以對圖像的亮度、灰度分布、對比度等有了一個直觀的認識

（2）直方圖中的術語

BINS

前面說到，直方圖中的 x 軸表示的是灰度值，一幅灰度圖的灰度等級有 256 級，所以我們是否需要將每一個等級標注在一條軸上呢？或者如果我們需要的不是每一個灰度值的分布，而是一個范圍內的灰度分布呢？所以我們將每一個需要的灰度值范圍稱為一個 BIN，即所有的灰度等級被分為幾個小組，每一個小組是一個 BIN

DIMS

代表的是我們收集的圖像的參數的數目，直方圖我們如果只收集灰度值一個參數，那么該參數的值就是1

RANGE

代表統計的灰度值的范圍，一般的范圍是[0-255]

2. 直方圖繪制

（1）讀取圖像信息

在計算機視覺系列的文章中第一件事就是讀取圖像信息：

"""
Author:XiaoMa
date:2021/10/24
"""
#調用需要的包
import cv2
import matplotlib.pyplot as plt
 
img0 = cv2.imread('E:\From Zhihu\For the desk\cvseven.jpeg')
img1 = cv2.cvtColor(img0, cv2.COLOR_BGR2GRAY)     #轉化為灰度圖
h, w = img1.shape[:2]
print(h, w)
cv2.namedWindow("W0")
cv2.imshow("W0", img1)
cv2.waitKey(delay = 0)

圖像信息如下：

419 636 

（2）繪制直方圖

繪制直方圖使用的函數如下：

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

images:原圖

channels:指定通道 [0]代表灰度圖，如果讀入的圖像不是灰度圖，該值可以是[0],[1],[2]分別代表通道 B,G,R

mask:掩碼圖像，進行整張圖的繪制時為 None

histSize:BIN 的數量

ranges:像素值范圍

accumulate:累計標識，一般可以省略

灰度圖的直方圖 

#繪制直方圖
hist = cv2.calcHist([img1], [0], None, [256], [0, 255])
plt.plot(hist, color = 'lime', label = '直方圖', linestyle = '--')
plt.legend()
plt.savefig('E:\From Zhihu\For the desk\cvseven1.jpeg')
plt.show()

可以看出這幅灰度圖中亮度較高的像素點還是占多數的，即整體亮度較高

彩色圖直方圖

讀入彩色圖像，并對某一個通道進行直方圖繪制

"""
Author:XiaoMa
date:2021/10/24
"""
#調用需要的包
import cv2
import matplotlib.pyplot as plt
 
plt.rcParams['font.family'] = 'SimHei'       #將全局中文字體改為黑體
 
img0 = cv2.imread('E:\From Zhihu\For the desk\cvseven.jpeg')
img1 = cv2.cvtColor(img0, cv2.COLOR_BGR2GRAY)
h, w = img1.shape[:2]
print(h, w)
cv2.namedWindow("W0")
cv2.imshow("W0", img0)
cv2.waitKey(delay = 0)
 
#繪制直方圖
hist = cv2.calcHist([img0], [0], None, [256], [0, 255])
plt.plot(hist, color = 'lime', label = '藍色通道直方圖', linestyle = '--', alpha = 1)
plt.legend()
plt.savefig('E:\From Zhihu\For the desk\cvseven1.jpeg')
plt.show()

上圖就是對藍色通道繪制的直方圖 

3. 掩膜直方圖

（1）基本概念

如果我們不需要整幅圖像中的直方圖，而是某個區域的直方圖，我們只需要繪制一幅圖，將需要統計的部分設置為白色，不需要統計的部分設置為黑色，就構成了一幅掩膜圖像

（2）實現代碼

得到掩模圖

##得到掩膜圖
mask = np.zeros(img0.shape, np.uint8)    #將每一個像素點設置為0，就是黑色
mask[109:309, 212:412] = 255             #選取特定區域設置為白色
img0_1 = cv2.bitwise_and(img0, mask)     #圖像與操作得到掩膜圖
cv2.namedWindow("W1")
cv2.imshow("W1", img0_1)
cv2.waitKey(delay = 0)

繪制掩膜直方圖 

#繪制掩膜直方圖
##得到掩膜圖
mask = np.zeros(img1.shape, np.uint8)    #將每一個像素點設置為0，就是黑色
mask[109:309, 212:412] = 255             #選取特定區域設置為白色
img1_1 = cv2.bitwise_and(img1, mask)     #圖像與操作得到掩膜圖
cv2.namedWindow("W1")
cv2.imshow("W1", img1_1)
cv2.waitKey(delay = 0)
##繪制掩膜直方圖和部分圖像直方圖
hist1 = cv2.calcHist([img1], [0], mask, [256], [0, 255])         #掩膜圖直方圖，參數需要修改
hist2 = cv2.calcHist([img1], [0], None, [256], [0,255])
plt.plot(hist1, color = 'b', label = '掩膜直方圖', linestyle = '--')
plt.plot(hist2, color = 'r', label = '原圖直方圖', linestyle = '-.')
plt.legend()
plt.savefig('E:\From Zhihu\For the desk\cvseven2.jpeg')
plt.show()

得到的圖像如下：

4. H-S 直方圖

（1）基本概念

 H(Hue) - S(Saturation) 直方圖，即色調 - 飽和度直方圖

繪制該直方圖需要將源RGB圖像轉化到 HSV （色調、飽和度、亮度）顏色空間中去

img0_2 = cv2.cvtColor(img0, cv2.COLOR_BGR2HSV) #將 RGB 空間轉化為 HSV 空間
cv2.namedWindow("W2")
cv2.imshow("W2", img0_2)
cv2.waitKey(delay = 0)

（2）繪制二維H-S直方圖

此處參考：OpenCV 官網

##繪制H-S直方圖
hist3 = cv2.calcHist ([img0_2], [0, 1], None , [180, 256], [0, 180, 0, 256])#官網給出的解釋：channel = [0,1] 因為我們需要同時處理 H 和 S 平面；bins = [180,256] H 平面為 180，S 平面為 256；range = [0,180,0,256] 色調值介于 0 和 180 之間，飽和度介于 0 和 256 之間
plt.imshow(hist3)
plt.savefig('E:\From Zhihu\For the desk\cvseven3.jpeg')
plt.show()

得到的圖像如下：

上圖中的 X 軸代表S（飽和度），Y軸代表H（色調） 

該圖中的峰值主要分布在 S 在（0-50）之間 H在（20-80），至于為什么峰值較少，個人猜測是由于原圖中的色彩變化不明顯，導致沒辦法繪制出過多過明顯的峰值

以上是“Python+OpenCV圖像處理之直方圖統計的示例分析”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！