Python+OpenCV图像处理之直方图统计的示例分析(opencv,python,开发技术)

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:XiaoMadate:2021/10/24"""#调用需要的包importcv2importmatplotlib.pyplotaspltimg0=cv2.imread('E:\FromZhihu\Forthedesk\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

（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:\FromZhihu\Forthedesk\cvseven1.jpeg')plt.show()

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:XiaoMadate:2021/10/24"""#调用需要的包importcv2importmatplotlib.pyplotaspltplt.rcParams['font.family']='SimHei'#将全局中文字体改为黑体img0=cv2.imread('E:\FromZhihu\Forthedesk\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:\FromZhihu\Forthedesk\cvseven1.jpeg')plt.show()

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)

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:\FromZhihu\Forthedesk\cvseven2.jpeg')plt.show()

得到的图像如下：

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)

（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:\FromZhihu\Forthedesk\cvseven3.jpeg')plt.show()

得到的图像如下：

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