Python+OpenCV圖像處理之直方圖統(tǒng)計(jì)
1. 直方圖概述
(1)基本概念
直方圖就是對(duì)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(diǎn)的數(shù)目,所以通過直方圖我們可以對(duì)圖像的亮度、灰度分布、對(duì)比度等有了一個(gè)直觀的認(rèn)識(shí)
(2)直方圖中的術(shù)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(jí)有 256 級(jí),所以我們是否需要將每一個(gè)等級(jí)標(biāo)注在一條軸上呢?或者如果我們需要的不是每一個(gè)灰度值的分布,而是一個(gè)范圍內(nèi)的灰度分布呢?所以我們將每一個(gè)需要的灰度值范圍稱為一個(gè) BIN,即所有的灰度等級(jí)被分為幾個(gè)小組,每一個(gè)小組是一個(gè) BIN
DIMS
代表的是我們收集的圖像的參數(shù)的數(shù)目,直方圖我們?nèi)绻皇占叶戎狄粋€(gè)參數(shù),那么該參數(shù)的值就是1
RANGE
代表統(tǒng)計(jì)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(jì)算機(jī)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(diào)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(zhuǎn)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(shù)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(jìn)行整張圖的繪制時(shí)為 None
histSize:BIN 的數(shù)量
ranges:像素值范圍
accumulate:累計(jì)標(biāo)識(shí),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(diǎn)還是占多數(shù)的,即整體亮度較高
彩色圖直方圖
讀入彩色圖像,并對(duì)某一個(gè)通道進(jìn)行直方圖繪制
""" Author:XiaoMa date:2021/10/24 """ #調(diào)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(lán)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(duì)藍(lán)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(gè)區(qū)域的直方圖,我們只需要繪制一幅圖,將需要統(tǒng)計(jì)的部分設(shè)置為白色,不需要統(tǒng)計(jì)的部分設(shè)置為黑色,就構(gòu)成了一幅掩膜圖像
(2)實(shí)現(xiàn)代碼
得到掩模圖
##得到掩膜圖 mask = np.zeros(img0.shape, np.uint8) #將每一個(gè)像素點(diǎn)設(shè)置為0,就是黑色 mask[109:309, 212:412] = 255 #選取特定區(qū)域設(shè)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(gè)像素點(diǎn)設(shè)置為0,就是黑色 mask[109:309, 212:412] = 255 #選取特定區(qū)域設(shè)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(shù)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(diào) - 飽和度直方圖
繪制該直方圖需要將源RGB圖像轉(zhuǎn)化到 HSV (色調(diào)、飽和度、亮度)顏色空間中去
img0_2 = cv2.cvtColor(img0, cv2.COLOR_BGR2HSV) #將 RGB 空間轉(zhuǎn)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(wǎng)
##繪制H-S直方圖 hist3 = cv2.calcHist ([img0_2], [0, 1], None , [180, 256], [0, 180, 0, 256])#官網(wǎng)給出的解釋:channel = [0,1] 因?yàn)槲覀冃枰瑫r(shí)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(diào)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(diào))?
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(gè)人猜測(cè)是由于原圖中的色彩變化不明顯,導(dǎo)致沒辦法繪制出過多過明顯的峰值
到此這篇關(guān)于Python+OpenCV圖像處理之直方圖統(tǒng)計(jì)的文章就介紹到這了,更多相關(guān)Python OpenCV直方圖統(tǒng)計(jì)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
python中如何實(shí)現(xiàn)徑向基核函數(shù)
這篇文章主要介紹了python中如何實(shí)現(xiàn)徑向基核函數(shù)問題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-02-02Keras框架中的epoch、bacth、batch size、iteration使用介紹
這篇文章主要介紹了Keras框架中的epoch、bacth、batch size、iteration使用介紹,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2020-06-06python中similarity函數(shù)實(shí)例用法
在本篇文章里小編給大家整理的是一篇關(guān)于python中similarity函數(shù)實(shí)例用法,有興趣的朋友們可以跟著學(xué)習(xí)下。2021-10-10Python數(shù)據(jù)可視化之Seaborn的使用詳解
Seaborn庫是python中基于matplotlib庫的可視化工具庫,通過sns我們可以更方便地繪制出更美觀的圖表。本文將分享python基于Seaborn庫的一系列繪圖操作,感興趣的可以了解一下2022-04-04解決Pandas to_json()中文亂碼,轉(zhuǎn)化為json數(shù)組的問題
今天小編就為大家分享一篇解決Pandas to_json() 中文亂碼,轉(zhuǎn)化為json數(shù)組的問題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2018-05-05Python生成可執(zhí)行文件之PyInstaller庫的使用方式
PyInstaller是一個(gè)十分有用的第三方庫,通過對(duì)源文件打包,Python程序可以在沒有安裝Python的環(huán)境中運(yùn)行,也可以作為一個(gè)獨(dú)立文件方便傳遞和管理,下面這篇文章主要給大家介紹了關(guān)于Python生成可執(zhí)行文件之PyInstaller庫的使用方式,需要的朋友可以參考下2022-04-04