目錄

一、灰度直方圖概念

二、直接調用opencv的函數caclHist（）

1、函數介紹

2、實例

（1）繪制全局直方圖

（2）繪制局部的直方圖

?

三、自定義函數進行灰度直方圖的繪制

1、代碼

2、結果

---

?

---

一、灰度直方圖概念

灰度直方圖是關于灰度級分布的函數，將數字圖像中的所有像素，按照灰度值的大小，統計其出現的頻率。其中，橫坐標是灰度級，縱坐標是該灰度級出現的頻率。

對圖像中不同灰度級別出現的次數進行統計，統計后進行繪制直方圖，橫坐標表示灰度級別0-255，縱坐標表示每個灰度級別在圖像中出現的次數，一般會對次數進行歸一化，用每個灰度級出現的次數除以圖像的像素總個數。

二、直接調用opencv的函數caclHist（）

1、函數介紹

返回的是一個一維數組（256,1）

hist = cv2.calcHist（[images]，[channels]，mask，histSize，ranges ） 參數說明： images：uint8或float32類型的原圖像。用方括號表示，即“[img]”; channels：計算直方圖的通道索引，也在方括號中給出.例如，如果輸入是灰度圖像，則其值為[0].對于彩色圖像，可以通過[0]，[1]或[2]分別計算藍色，綠色或紅色通道的直方圖. mask：掩碼，蒙版圖像.要查找完整圖像的直方圖，它將顯示為“無”.但是，如果要查找圖像特定區域的直方圖，則必須為其創建蒙版圖像并將其作為蒙版. histSize：灰度級的個數，這代表我們的BIN計數.需要在方括號中給出.對于滿量程，我們通過[256]. ranges：這是像素值的范圍的范圍。通常，它是[0,256].

2、實例

（1）繪制全局直方圖

獲得上圖的直方圖，首先得先進行灰度化

import cv2 import numpy as np import matplotlib.pyplot as pltdef image_calcuhist(imagepath):img = cv2.imread(imagepath)#讀取圖片img_shape = img.shapegray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#灰度化hist = cv2.calcHist([gray],[0],None,[256],[0,256])#計算灰度級別出現頻率，返回的是一個（256,1）的數組for i in range(hist.shape[0]):hist[i] = hist[i]/(img_shape[0]*img_shape[1])#對獲得的直方圖數據進行歸一化return histif __name__ == '__main__':x = np.linspace(0,255,256)#橫坐標灰度級別y = image_calcuhist("colorful_lena.jpg")#縱坐標值獲取plt.bar(x,y.ravel(),0.9,alpha=1,color='b')#通過matplotlib進行直方圖的繪制plt.show()#顯示直方圖

（2）繪制局部的直方圖

import cv2 import numpy as np import matplotlib.pyplot as pltimg = cv2.imread("colorful_lena.jpg",0) h,w = img.shape#構建一個掩模，需要繪制直方圖的局部圖像區域的像素設置為255，其他部分設置為0 mask = np.zeros((h,w),np.uint8) for i in range(0,int(h/2)):for j in range(0,int(w/2)):mask[int(h/4)+i,int(w/4)+j] = 255#全幅圖像的直方圖 hist = cv2.calcHist([img],[0],None,[256],[0,256]) #局部的直方圖 hist1 = cv2.calcHist([img],[0],mask,[256],[0,256]) x = np.linspace(0,255,256) plt.plot(x,hist.ravel()) plt.plot(x,hist1.ravel()) plt.show() cv2.imshow('',mask) cv2.imshow('1',img) cv2.waitKey(0)

藍色線為全局直方圖，橙色為局部直方圖

三、自定義函數進行灰度直方圖的繪制

1、代碼

# 1 0-255 2 概率 # 本質：統計每個像素灰度 出現的概率 0-255 p import cv2 import numpy as np import matplotlib.pyplot as pltdef image_histdefinition(imagepath):img = cv2.imread(imagepath)#讀取圖片imgInfo = img.shape#獲得圖片的尺寸大小height = imgInfo[0]width = imgInfo[1]# 灰度化gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)count = np.zeros(256,np.float) # 共256個，創建一個數組用于存放灰度級別出現的頻率#計算灰度級別頻率for i in range(0,height):for j in range(0,width):pixel = gray[i,j] # 獲取灰度等級index = int(pixel) # 強制類型轉換count[index] = count[index]+1# 計算出現概率，即歸一化for i in range(0,255):count[i] = count[i]/(height*width)return countif __name__ == '__main__':# 繪圖x = np.linspace(0, 255, 256)count = image_histdefinition('colorful_lena.jpg')y = countplt.bar(x, y, 0.9, alpha=1, color='b')plt.show()

2、結果

?

兩種方法得到的直方圖是一樣的，證明方法是可行的。

總結

以上是生活随笔為你收集整理的【图像处理】——图像灰度直方图的绘制（直接调用函数和自定义函数）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。