Python+OpenCV图像处理之直方图统计

1. 直方图概述

(1)基本概念

直方图就是对图像的另外一种解释,它描述了整幅图像的灰度分布。直方图的 x 轴代表灰度值(0~255),y 轴代表图片中同一种灰度值的像素点的数目,所以通过直方图我们可以对图像的亮度、灰度分布、对比度等有了一个直观的认识

(2)直方图中的术语

BINS

前面说到,直方图中的 x 轴表示的是灰度值,一幅灰度图的灰度等级有 256 级,所以我们是否需要将每一个等级标注在一条轴上呢?或者如果我们需要的不是每一个灰度值的分布,而是一个范围内的灰度分布呢?所以我们将每一个需要的灰度值范围称为一个 BIN,即所有的灰度等级被分为几个小组,每一个小组是一个 BIN

DIMS

代表的是我们收集的图像的参数的数目,直方图我们如果只收集灰度值一个参数,那么该参数的值就是1

RANGE

代表统计的灰度值的范围,一般的范围是[0-255]

2. 直方图绘制

(1)读取图像信息

在计算机视觉系列的文章中第一件事就是读取图像信息:

"""
Author:XiaoMa
date:2021/10/24
"""
#调用需要的包
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)     #转化为灰度图
h, w = img1.shape[:2]
print(h, w)
cv2.namedWindow("W0")
cv2.imshow("W0", img1)
cv2.waitKey(delay = 0)

图像信息如下:

419 636 

Python+OpenCV图像处理之直方图统计

(2)绘制直方图

绘制直方图使用的函数如下:

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

images:原图

channels:指定通道 [0]代表灰度图,如果读入的图像不是灰度图,该值可以是[0],[1],[2]分别代表通道 B,G,R

mask:掩码图像,进行整张图的绘制时为 None

histSize:BIN 的数量

ranges:像素值范围

accumulate:累计标识,一般可以省略

灰度图的直方图 

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

Python+OpenCV图像处理之直方图统计

可以看出这幅灰度图中亮度较高的像素点还是占多数的,即整体亮度较高

彩色图直方图

读入彩色图像,并对某一个通道进行直方图绘制

"""
Author:XiaoMa
date:2021/10/24
"""
#调用需要的包
import cv2
import matplotlib.pyplot as plt
 
plt.rcParams['font.family'] = 'SimHei'       #将全局中文字体改为黑体
 
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)
 
#绘制直方图
hist = cv2.calcHist([img0], [0], None, [256], [0, 255])
plt.plot(hist, color = 'lime', label = '蓝色通道直方图', linestyle = '--', alpha = 1)
plt.legend()
plt.savefig('E:\From Zhihu\For the desk\cvseven1.jpeg')
plt.show()

Python+OpenCV图像处理之直方图统计

上图就是对蓝色通道绘制的直方图 

3. 掩膜直方图

(1)基本概念

如果我们不需要整幅图像中的直方图,而是某个区域的直方图,我们只需要绘制一幅图,将需要统计的部分设置为白色,不需要统计的部分设置为黑色,就构成了一幅掩膜图像

(2)实现代码

得到掩模图

##得到掩膜图
mask = np.zeros(img0.shape, np.uint8)    #将每一个像素点设置为0,就是黑色
mask[109:309, 212:412] = 255             #选取特定区域设置为白色
img0_1 = cv2.bitwise_and(img0, mask)     #图像与操作得到掩膜图
cv2.namedWindow("W1")
cv2.imshow("W1", img0_1)
cv2.waitKey(delay = 0)

Python+OpenCV图像处理之直方图统计

绘制掩膜直方图 

#绘制掩膜直方图
##得到掩膜图
mask = np.zeros(img1.shape, np.uint8)    #将每一个像素点设置为0,就是黑色
mask[109:309, 212:412] = 255             #选取特定区域设置为白色
img1_1 = cv2.bitwise_and(img1, mask)     #图像与操作得到掩膜图
cv2.namedWindow("W1")
cv2.imshow("W1", img1_1)
cv2.waitKey(delay = 0)
##绘制掩膜直方图和部分图像直方图
hist1 = cv2.calcHist([img1], [0], mask, [256], [0, 255])         #掩膜图直方图,参数需要修改
hist2 = cv2.calcHist([img1], [0], None, [256], [0,255])
plt.plot(hist1, color = 'b', label = '掩膜直方图', linestyle = '--')
plt.plot(hist2, color = 'r', label = '原图直方图', linestyle = '-.')
plt.legend()
plt.savefig('E:\From Zhihu\For the desk\cvseven2.jpeg')
plt.show()

得到的图像如下:

Python+OpenCV图像处理之直方图统计

4. H-S 直方图

(1)基本概念

 H(Hue) - S(Saturation) 直方图,即色调 - 饱和度直方图

绘制该直方图需要将源RGB图像转化到 HSV (色调、饱和度、亮度)颜色空间中去

img0_2 = cv2.cvtColor(img0, cv2.COLOR_BGR2HSV) #将 RGB 空间转化为 HSV 空间
cv2.namedWindow("W2")
cv2.imshow("W2", img0_2)
cv2.waitKey(delay = 0)

Python+OpenCV图像处理之直方图统计

(2)绘制二维H-S直方图

此处参考:OpenCV 官网

##绘制H-S直方图
hist3 = cv2.calcHist ([img0_2], [0, 1], None , [180, 256], [0, 180, 0, 256])#官网给出的解释:channel = [0,1] 因为我们需要同时处理 H 和 S 平面;bins = [180,256] H 平面为 180,S 平面为 256;range = [0,180,0,256] 色调值介于 0 和 180 之间,饱和度介于 0 和 256 之间
plt.imshow(hist3)
plt.savefig('E:\From Zhihu\For the desk\cvseven3.jpeg')
plt.show()

得到的图像如下:

Python+OpenCV图像处理之直方图统计

上图中的 X 轴代表S(饱和度),Y轴代表H(色调) 

该图中的峰值主要分布在 S 在(0-50)之间 H在(20-80),至于为什么峰值较少,个人猜测是由于原图中的色彩变化不明显,导致没办法绘制出过多过明显的峰值