OpenCV 灰度直方图

OpenCV 灰度直方图

引用

CSDN

1.

https://m.blog.csdn.net/weixin_42291376/article/details/140753218

灰度直方图是图像处理中一个重要的概念，它能够直观地展示图像中像素强度的分布情况。本文将从直方图的定义、意义和特征出发，详细介绍如何使用OpenCV计算和显示灰度直方图，并通过代码示例帮助读者更好地理解这一概念。

一 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、缩放不变性等优点。

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形式显示）。
（2）channels : 通道的索引，例如：[0]代表灰度图片，[0],[1],[2]代表多通道。
（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。]
（5）range : 强度值的范围，[0, 256]。

import cv2
import matplotlib.pyplot as plt
import numpy as np

#显示图片
def show_image(image,title,pos):
    image_RGB=image[:,:,::-1]#shape:(height,width,channel)
    #显示标题
    plt.title(title)
    plt.subplot(2,3,pos)
    plt.imshow(image_RGB)
    
#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
    
#主函数
def main():
    #创建画布
    plt.figure(figsize=(15,6))#画图大小
    plt.suptitle("Gray Image Histogram",fontsize=14,fontweight='bold')#设置标题
    
    img=cv2.imread("./2037551.jpg")
    
    img_gray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    
    hist_img=cv2.calcHist([img_gray],[0],None,[256],[0,256])
    
    #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_BGRA2BGR)
    show_image(img_BGR,"BGR image",1)
    show_histogram(hist_img,"gray image histogram",4,"m")
    
    M=np.ones(img_gray.shape,np.uint8)*50#构建矩阵
    
    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 ( )