Python+OpenCV:直方图(Histograms)

机器视觉001 2020-11-16 01:29:16
Python OpenCV python+opencv 直方图 histograms


Python+OpenCV:直方图(Histograms)

理论

什么是直方图?您可以将直方图看作是一种图形或图表,它为您提供关于图像强度分布的总体概念。它是x轴为像素值(范围从0到255,不总是这样),y轴为图像中相应像素个数的图形。

这只是理解图像的另一种方式。通过观察一幅图像的直方图,你可以对该图像的对比度、亮度、强度分布等有直观的认识。现在几乎所有的图像处理工具都提供了直方图的特性。

你可以看到图像和它的直方图。(记住,此直方图是绘制灰度图像,而不是彩色图像)。

直方图的左边区域表示图像中较暗像素的数量,右边区域表示较亮像素的数量。

从直方图中,你可以看到暗区比亮区多,而中间色调(像素值在中间,比如127左右)的数量非常少。

获得直方图

现在我们知道了直方图是什么,我们可以看看如何获得它。

OpenCV和Numpy都内置了这个功能。在使用这些函数之前,我们需要了解与直方图相关的一些术语。

BINS: 上面的直方图显示了每个像素值的像素数量,即从0到255。也就是说,你需要256个值来显示上面的直方图。

但是考虑一下,如果您不需要分别查找所有像素值的像素数量,而是查找像素值区间内的像素数量,那会怎么样呢?例如,你需要找到介于0到15,然后16到31之间的像素数量,……, 240至255。

您将只需要16个值来表示直方图。这就是OpenCV教程中给出的关于直方图的例子。

所以你要做的就是简单地把整个直方图分成16个子部分,每个子部分的值就是其中所有像素计数的总和。

这每一个子部分称为“BIN”。在第一种情况下,BINS的数量为256(每个像素一个箱子),而在第二种情况下,只有16个BINS。在OpenCV文档中,bin由histSize术语表示。

DIMS: 它是我们收集数据的参数的数量。在本例中,我们只收集关于一个东西的数据,即强度值。这里是1。

RANGE: 这是你想要测量的强度值的范围。通常,它是[0,256],即所有强度值。

示例

####################################################################################################
# 图像直方图(Image Histograms)
def lmc_cv_image_histograms():
"""
函数功能: 图像直方图。
"""
# 读取图像
image = lmc_cv.imread('D:/99-Research/Python/Image/Rock.jpg')
# 图像直方图(Image Histograms)
x = range(256)
hist1 = lmc_cv.calcHist([image], [0], None, [256], [0, 256])
hist2, bins2 = np.histogram(image.ravel(), 256, [0, 256])
# 创建窗口
pyplot.figure('Image Display 1')
titles = ['Original Image', 'Histogram in OpenCV', 'Histogram in Numpy']
# 显示原始图像
pyplot.subplot(1, 3, 1)
pyplot.imshow(image, 'gray')
pyplot.title(titles[0])
pyplot.xticks([])
pyplot.yticks([])
# 显示直方图
pyplot.subplot(1, 3, 2)
pyplot.plot(x, hist1)
pyplot.title(titles[1])
# pyplot.xticks([])
# pyplot.yticks([])
pyplot.subplot(1, 3, 3)
pyplot.plot(x, hist2)
pyplot.title(titles[2])
# pyplot.xticks([])
# pyplot.yticks([])
# pyplot.axis('on')
# 显示窗口
pyplot.show()
# 显示彩色图像各个通道的直方图
image = lmc_cv.imread('D:/99-Research/Python/Image/Lena.jpg')
image = lmc_cv.cvtColor(image, lmc_cv.COLOR_BGR2RGB)
# create a mask
mask = np.zeros(image.shape[:2], np.uint8)
mask[100:300, 100:400] = 255
masked_image = lmc_cv.bitwise_and(image, image, mask=mask)
color = ('r', 'g', 'b')
pyplot.figure('Image Display 2')
# 显示原始图像
pyplot.subplot(2, 2, 1)
pyplot.imshow(image, 'gray')
pyplot.title(titles[0])
pyplot.xticks([])
pyplot.yticks([])
# 显示原始图像直方图
pyplot.subplot(2, 2, 2)
for i, col in enumerate(color):
histr = lmc_cv.calcHist([image], [i], None, [256], [0, 256])
pyplot.plot(histr, color=col)
pyplot.xlim([0, 256])
pyplot.title('R/G/B Histogram')
# 显示掩模图像
pyplot.subplot(2, 2, 3)
pyplot.imshow(masked_image, 'gray')
pyplot.title('Mask Image')
pyplot.xticks([])
pyplot.yticks([])
# 显示掩模图像直方图
pyplot.subplot(2, 2, 4)
for i, col in enumerate(color):
histr = lmc_cv.calcHist([image], [i], mask, [256], [0, 256])
pyplot.plot(histr, color=col)
pyplot.xlim([0, 256])
pyplot.title('Mask R/G/B Histogram')
pyplot.show()
# 根据用户输入保存图像
if ord("q") == (lmc_cv.waitKey(0) & 0xFF):
# 销毁窗口
pyplot.close()
return

版权声明
本文为[机器视觉001]所创,转载请带上原文链接,感谢
https://blog.csdn.net/liubing8609/article/details/109701926

  1. 利用Python爬虫获取招聘网站职位信息
  2. Using Python crawler to obtain job information of recruitment website
  3. Several highly rated Python libraries arrow, jsonpath, psutil and tenacity are recommended
  4. Python装饰器
  5. Python实现LDAP认证
  6. Python decorator
  7. Implementing LDAP authentication with Python
  8. Vscode configures Python development environment!
  9. In Python, how dare you say you can't log module? ️
  10. 我收藏的有关Python的电子书和资料
  11. python 中 lambda的一些tips
  12. python中字典的一些tips
  13. python 用生成器生成斐波那契数列
  14. python脚本转pyc踩了个坑。。。
  15. My collection of e-books and materials about Python
  16. Some tips of lambda in Python
  17. Some tips of dictionary in Python
  18. Using Python generator to generate Fibonacci sequence
  19. The conversion of Python script to PyC stepped on a pit...
  20. Python游戏开发,pygame模块,Python实现扫雷小游戏
  21. Python game development, pyGame module, python implementation of minesweeping games
  22. Python实用工具,email模块,Python实现邮件远程控制自己电脑
  23. Python utility, email module, python realizes mail remote control of its own computer
  24. 毫无头绪的自学Python,你可能连门槛都摸不到!【最佳学习路线】
  25. Python读取二进制文件代码方法解析
  26. Python字典的实现原理
  27. Without a clue, you may not even touch the threshold【 Best learning route]
  28. Parsing method of Python reading binary file code
  29. Implementation principle of Python dictionary
  30. You must know the function of pandas to parse JSON data - JSON_ normalize()
  31. Python实用案例,私人定制,Python自动化生成爱豆专属2021日历
  32. Python practical case, private customization, python automatic generation of Adu exclusive 2021 calendar
  33. 《Python实例》震惊了,用Python这么简单实现了聊天系统的脏话,广告检测
  34. "Python instance" was shocked and realized the dirty words and advertisement detection of the chat system in Python
  35. Convolutional neural network processing sequence for Python deep learning
  36. Python data structure and algorithm (1) -- enum type enum
  37. 超全大厂算法岗百问百答(推荐系统/机器学习/深度学习/C++/Spark/python)
  38. 【Python进阶】你真的明白NumPy中的ndarray吗?
  39. All questions and answers for algorithm posts of super large factories (recommended system / machine learning / deep learning / C + + / spark / Python)
  40. [advanced Python] do you really understand ndarray in numpy?
  41. 【Python进阶】Python进阶专栏栏主自述:不忘初心,砥砺前行
  42. [advanced Python] Python advanced column main readme: never forget the original intention and forge ahead
  43. python垃圾回收和缓存管理
  44. java调用Python程序
  45. java调用Python程序
  46. Python常用函数有哪些?Python基础入门课程
  47. Python garbage collection and cache management
  48. Java calling Python program
  49. Java calling Python program
  50. What functions are commonly used in Python? Introduction to Python Basics
  51. Python basic knowledge
  52. Anaconda5.2 安装 Python 库(MySQLdb)的方法
  53. Python实现对脑电数据情绪分析
  54. Anaconda 5.2 method of installing Python Library (mysqldb)
  55. Python implements emotion analysis of EEG data
  56. Master some advanced usage of Python in 30 seconds, which makes others envy it
  57. python爬取百度图片并对图片做一系列处理
  58. Python crawls Baidu pictures and does a series of processing on them
  59. python链接mysql数据库
  60. Python link MySQL database