1.直方图的定义、意义和特征
1. 定义
在统计学中，直方图是一种对数据分布情况的图形表示，是一种二维统计图表，
他的两个坐标分别是统计样本（图像、视频帧）和样本的某种属性（亮度，像素值，梯度，方向，色彩等等任何特征）
2. 意义
（1）直方图是图像中像素强度分布的图形表达方式。
（2）直方图统计了每一个强度值所具有的像素个数。
3. 特征
（1）直方图不再表征任何的图像纹理信息，而是对图像像素的统计。
（2）由于同一物体无论是旋转还是平移在图像中都具有相同的灰度值，因此直方图具有平移不变性、放缩不变性等优点。
4. 方法和参数
cv2.calcHist(images, channels, mask, histSize, ranges[hist[, accumulate]])
（1）images : 整型类型(uint8和float32)的原图（list或tuple形式的输入）。
（2）channels : 通道的索引，例如：[0]代表灰度图片，[0],[1],[2]代表多通道，list或tuple形式的输入。
（3）mask : 计算图片指定区域的直方图。如果mask为none，那么计算整张图。
（4）histSize( bins ) : 每个色调值(范围: 0 ~ 255)对应的像素数量/频率。[这256个值中的每一个都被称为bin，它的取值有8，16，32，64，128，256。在OpenCV中，用histSize表示bins。]，list或tuple形式的输入
（5）range : 强度值的范围，[0, 256]。
cv2.calcHist()函数的返回值
对于hist = cv2.calcHist([img],[0],None,[256],[0,256])中，hist是一个256*1的矩阵，每一个值代表了每个灰度值对应的像素点数目
print(type(hist))
<class ‘numpy.ndarray’>
输出的结果表示这是一个多维数组
print(hist)
[[1.000e+00]
[0.000e+00]
[2.000e+00]
[0.000e+00]
…
[2.010e+02]
[2.180e+02]
[2.160e+02]
[2.660e+02]
[3.350e+02]
[3.110e+02]
[4.670e+02]]
经计算，共有256个值，即可以输出hist[0]到hist[255]。整个hist[i]则表示灰度值
print(hist[175],hist[255])
[3181.] [467.]
通过直方图可看出输出的结果就是每一个灰度值对应的像素数目，横坐标是bins区间值，纵坐标是每个bins的像素数目
2.灰度直方图
# 1 导入库 import cv2 import matplotlib.pyplot as plt import numpy as np # 2 方法：显示图片 def show_image(image, title, pos): # 顺序转换：BGR TO RGB #height和width是不变的，channel倒序输出 image_RGB = image[:, :, ::-1] # shape : (height, width, channel) # 显示标题 plt.title(title) plt.subplot(2, 3, pos) # 定位 plt.imshow(image_RGB) # 3 方法：显示图片的灰度直方图 def show_histogram(hist, title, pos, color): # 显示标题 plt.title(title) plt.subplot(2, 3, pos) # 定位图片 plt.xlabel("Bins") # 横轴信息 plt.ylabel("Pixels") # 纵轴信息 plt.xlim([0, 256]) # 范围 plt.plot(hist, color=color) # 绘制直方图 # 4 主函数 main() def main(): # 5 创建画布 plt.figure(figsize=(15, 6)) # 画布大小 #设置标题，给画布添加标题 plt.suptitle("Gray Image Histogram", fontsize=14, fontweight="bold") # 设置标题形式 # 6 加载图片 img = cv2.imread("children.jpg") # 7 灰度转换 img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 8 计算灰度图的直方图 hist_img = cv2.calcHist([img_gray], [0], None, [256], [0, 256]) # 9 展示灰度直方图 # 灰度图转换成BGR格式图片 img_BGR = cv2.cvtColor(img_gray, cv2.COLOR_GRAY2BGR) show_image(img_BGR, "BGR image", 1) show_histogram(hist_img, "gray image histogram", 4, "m") plt.show() if __name__ == '__main__': main()
运行结果
设置画布标题函数介绍
matplotlib.pyplot.suptitle(t,x=0.5,y=0.98,horizontalalignment=‘center’,verticalalignment=‘top’, fontsize=‘large’,
fontweight=‘normal’, **kwargs)
参数 含义
灰度直方图进阶
对图像像素添加或减少展示
代码:
# 1 导入库 import cv2 import matplotlib.pyplot as plt import numpy as np # 2 方法：显示图片 def show_image(image, title, pos): # 顺序转换：BGR TO RGB image_RGB = image[:, :, ::-1] # shape : (height, width, channel) # 显示标题 plt.title(title) plt.subplot(2, 3, pos) # 定位 plt.imshow(image_RGB) # 3 方法：显示图片的灰度直方图 def show_histogram(hist, title, pos, color): # 显示标题 plt.title(title) plt.subplot(2, 3, pos) # 定位图片 plt.xlabel("Bins") # 横轴信息 plt.ylabel("Pixels") # 纵轴信息 plt.xlim([0, 256]) # 范围 plt.plot(hist, color=color) # 绘制直方图 # 4 主函数 main() def main(): # 5 创建画布 plt.figure(figsize=(15, 6)) # 画布大小 plt.suptitle("Gray Image Histogram", fontsize=14, fontweight="bold") # 设置标题形式 # 6 加载图片 img = cv2.imread("children.jpg") # 7 灰度转换 img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 8 计算灰度图的直方图 hist_img = cv2.calcHist([img_gray], [0], None, [256], [0, 256]) # 9 展示灰度直方图 # 灰度图转换成BGR格式图片 img_BGR = cv2.cvtColor(img_gray, cv2.COLOR_GRAY2BGR) show_image(img_BGR, "BGR image", 1) show_histogram(hist_img, "gray image histogram", 4, "m") # 10 对图片中的每个像素值增加50个像素 M = np.ones(img_gray.shape, np.uint8) * 50 # 构建矩阵 #使用cv2.add()方法进行相加减 added_img = cv2.add(img_gray, M) add_img_hist = cv2.calcHist([added_img], [0], None, [256], [0, 256]) # 计算直方图 added_img_BGR = cv2.cvtColor(added_img, cv2.COLOR_GRAY2BGR) show_image(added_img_BGR, "added image", 2) show_histogram(add_img_hist, "added image hist", 5, "m") # 11 对图片中的每个像素值减去50个像素 subtract_img = cv2.subtract(img_gray, M) subtract_img_hist = cv2.calcHist([subtract_img], [0], None, [256], [0, 256]) # 计算直方图 subtract_img_BGR = cv2.cvtColor(subtract_img, cv2.COLOR_GRAY2BGR) show_image(subtract_img_BGR, "subtracted image", 3) show_histogram(subtract_img_hist, "subtracted image hist", 6, "m") plt.show() if __name__ == '__main__': main()
可以看到增加了50像素的图片变亮，减少了50个像素的变暗
3.mask详解
mask ： 提取感兴趣区域。
如下图，设置了mask区域被显示出来，其他区域被覆盖
实战
# 1 导入库 import cv2 import matplotlib.pyplot as plt import numpy as np # 2 方法：显示图片 def show_image(image, title, pos): img_RGB = image[:, :, ::-1] # BGR to RGB plt.title(title) plt.subplot(2, 2, pos) plt.imshow(img_RGB) # 3 方法：显示灰度直方图 def show_histogram(hist, title, pos, color): plt.subplot(2, 2, pos) plt.title(title) plt.xlim([0, 256]) plt.plot(hist, color=color) # 4 主函数 def main(): # 5 创建画布 plt.figure(figsize=(12, 7)) plt.suptitle("Gray Image and Histogram with mask", fontsize=14, fontweight="bold") # 6 读取图片并灰度转换，计算直方图，显示 img_gray = cv2.imread("children.jpg", 0) # 读取并进行灰度转换 img_gray_hist = cv2.calcHist([img_gray], [0], None, [256], [0, 256]) # 计算直方图 # 灰度图转换成BGR格式图片 img_BGR = cv2.cvtColor(img_gray, cv2.COLOR_GRAY2BGR) show_image(img_BGR, "BGR image", 1) # show_image(img_gray, "image gray", 1) show_histogram(img_gray_hist, "image gray histogram", 2, "m") # 7 创建mask，计算位图，直方图 mask = np.zeros(img_gray.shape[:2], np.uint8) #截取mask区域 mask[130:500, 400:1400] = 255 # 获取mask，并赋予颜色 img_mask_hist = cv2.calcHist([img_gray], [0], mask, [256], [0, 256]) # 计算mask的直方图，这里的mask直接写上即可，不要写成mask=mask # 8 通过位运算（与预算）计算带有mask的灰度图片 mask_img = cv2.bitwise_and(img_gray, img_gray, mask = mask) #这里的mask一定要写成mask=mask，否则无法实现mask功能 #将灰色图片转换成BGR格式图片 mask_BGR = cv2.cvtColor(mask_img, cv2.COLOR_GRAY2BGR) # 9 显示带有mask的图片和直方图 show_image(mask_BGR, "gray image with mask", 3) show_histogram(img_mask_hist, "histogram with masked gray image", 4, "m") plt.show() if __name__ == '__main__': main()
可以看到mask显示出来
4.彩色直方图
记住三点：
（1）直方图是图像中像素强度分布。
（2）直方图统计了每一个强度值所具有的像素个数。
（3）cv2.calcHist(images, channels, mask, histSize, ranges)
代码
# 1 导入库 import cv2 import matplotlib.pyplot as plt import numpy as np # 2 方法：显示图片 def show_image(image, title, pos): plt.subplot(3, 2, pos) plt.title(title) image_RGB = image[:, :, ::-1] # BGR to RGB plt.imshow(image_RGB) #关闭坐标轴 plt.axis("off") # 3 方法：显示彩色直方图 b, g, r def show_histogram(hist, title, pos, color): plt.subplot(3, 2, pos) plt.title(title) plt.xlim([0, 256]) #灰度只有一种颜色，彩色直方图是有三个通道的，RGB都要绘制出来，需要用循环来分别显示 for h, c in zip(hist, color): # color: ('b', 'g', 'r') plt.plot(h, color=c) # 4 方法：计算直方图，每个通道都要计算 def calc_color_hist(image): # b, g, r hist = [] hist.append( cv2.calcHist([image], [0], None, [256], [0, 256])) hist.append( cv2.calcHist([image], [1], None, [256], [0, 256])) hist.append( cv2.calcHist([image], [2], None, [256], [0, 256])) return hist # 5 主函数 def main(): # 5.1 创建画布 plt.figure(figsize=(12, 8)) plt.suptitle("Color Histogram", fontsize=14, fontweight="bold") # 5.2 读取原图片 img = cv2.imread("children.jpg") # 5.3 计算直方图 img_hist = calc_color_hist(img) # 5.4 显示图片和直方图 show_image(img, "RGB Image", 1) #彩色的，传颜色，必须传进去三个通道 show_histogram(img_hist, "RGB Image Hist", 2, ('b', 'g', 'r')) # 5.5 原始图片中的每个像素增加50个像素值 M = np.ones(img.shape, dtype="uint8") * 50 added_image = cv2.add(img, M) # 像素一一对应相加 added_image_hist = calc_color_hist(added_image) show_image(added_image, 'added image', 3) show_histogram(added_image_hist, 'added image hist', 4, ('b', 'g', 'r')) # 5.6 原始图片中的每个像素减去50个像素值 subtracted_image = cv2.subtract(img, M) subtracted_image_hist = calc_color_hist(subtracted_image) show_image(subtracted_image, 'subtracted image', 5) show_histogram(subtracted_image_hist, 'subtracted image hist', 6, ('b', 'g', 'r')) plt.show() if __name__ == '__main__': main()
可见，绘制出了原始图片，加强像素，减小像素后的图片和彩色直方图
注意：彩色直方图与灰度直方图绘制基本相同，最大区别在于，彩色直方图绘制需要将三个通道色彩全部绘制出来
