直方圖概念

如圖：下面黑色圖為上面圖的直方圖
橫坐標：圖像中各個像素點的灰度級
縱坐標：具有該灰度級的像素個數。

歸一化直方圖
橫坐標：圖像中各個像素點的灰度級
縱坐標：出現該灰度級的概率。

DIMS：使用參數的數量
dims=1:灰度直方圖，僅僅考慮灰度的情況。
還有其他考慮亮度的
BINS：參數子集的數目
bins=256: 如灰度是256. 表示0-255
縮小數字表示將臨近值合并。

RANGE：統計灰度值的范圍，一般為[0-255]
最小值0：黑色
最大值255：白色

直方圖繪制

python+opencv
1.使用matplotlib繪制直方圖
函數：hist(數據源，像素級）
數據源：圖像，必須是一維數組
像素級：一般是256，指[0-255]

np.raval()可以實現多維數組轉一維。

import cv2 import matplotlib.pyplot as plt o=cv2.imread("boat.jpg") cv2.imshow("original",o) plt.hist(o.ravel(),256)#o.ravel()將像素數組轉一維 plt.show() cv2.waitKey() cv2.destroyAllWindows()

像素直方圖

2.使用opencv繪制直方圖

hist=cv2.calcHist(images,channels,mask,histsize,ranges,accumulate)
hist:直方圖
images:原始圖像,格式[src]，需要用中括號括起來
channels:通道,灰色直接[0]，BGR對應[0],[1],[2]
mask:掩碼圖像。如果一個圖很大，需要計算部分圖的直方圖，需要掩碼。
histsize:BINS的數量，需要用中括號括起來。一般是[256]
ranges:像素值范圍,一般[0,255]
accumulate:累積標識?？蛇x參數、默認false,設為true為計算好幾幅圖的直方圖。

繪制灰度圖像直方圖
不使用掩碼

import cv2 import matplotlib.pyplot as plt o=cv2.imread("boatGray.bmp") histb = cv2.calcHist([o],[0],None,[256],[0,255]) print("type:",type(histb)) print('szie:',histb.size) print('shape:',histb.shape) plt.plot(histb,color='r') plt.show()

繪制彩色圖像直方圖
不使用掩膜
注意012,是BGR，非RGB

import cv2 import matplotlib.pyplot as plt o=cv2.imread("girl.bmp") histb = cv2.calcHist([o],[0],None,[256],[0,255]) histg = cv2.calcHist([o],[1],None,[256],[0,255]) histr = cv2.calcHist([o],[2],None,[256],[0,255]) plt.plot(histb,color='b') plt.plot(histg,color='g') plt.plot(histr,color='r') plt.show()

3.使用掩膜的直方圖

生成掩膜
mask=np.zeros(image.shape,np.unit8)#生成全黑圖像
mask[200:400,200:400]=255#部分取白
把生成的掩膜傳入下列函數的mask中，即完成。
hist=cv2.calcHist(images,channels,mask,histsize,ranges,accumulate)

import cv2 import numpy as np import matplotlib.pyplot as plt image=cv2.imread("girl.bmp",cv2.IMREAD_GRAYSCALE) mask=np.zeros(image.shape,np.uint8) mask[200:400,200:400]=255 histMI=cv2.calcHist([image],[0],mask,[256],[0,255])#使用掩膜，只對第一通道 histImage=cv2.calcHist([image],[0],None,[256],[0,255])#不適用掩膜，只對第一通道 plt.plot(histImage,'r') plt.plot(histMI) plt.show()

原圖

藍色為使用掩膜的直方圖

掩膜處理

黑色為0,其他色為1.將掩膜與原始圖像進行與操作。得到處理結果。

使用方法
計算結果=cv2.bitwise_and(原始圖像,掩膜)
bitwise:按位操作
and:與運算

import cv2 import numpy as np import matplotlib.pyplot as plt image=cv2.imread("boat.bmp",0) mask=np.zeros(image.shape,np.uint8) mask[200:400,200:400]=255 mi=cv2.bitwise_and(image,mask) cv2.imshow('original',image) cv2.imshow('mask',mask) cv2.imshow('mi',mi) cv2.waitKey() cv2.destroyAllWindows()

直方圖均衡化

應用場合：圖像過亮或者過暗。如車牌識別

理論前提：如果一個圖像占有全部可能的灰度級，并且均勻分布。
結論：該圖像具有高對比度和多變的灰度色調。讀取的是灰度圖
外觀：圖像細節豐富，質量更高。
算法
1.計算累積直方圖
2.將累積直方圖進行區間轉換
3.在累積直方圖中，概率相近的原始值，會被處理成相同的值。
1.計算累積直方圖

2.將累積直方圖進行區間轉換

累積直方圖：對前面求和。1的值=0和1的值的和

3.在累積直方圖中，概率相近的原始值，會被處理成相同的值。
7是因為給出的示例是三維的二進制，范圍是0-7，如果是np.unit9，應是255。

四舍五入得到新的值：原先是0的像素變成1，原始是1的像素變成3…。

新的像素有1,3,4,5,6,7。是因為合并如原先的45都變成了5。

換成255的數示例

方法
dst=cv2.equalizeHist(src)
dst:處理結果
src:源圖像。

直方圖對比

import cv2 import numpy as np import matplotlib.pyplot as plt img = cv2.imread('equ.bmp',cv2.IMREAD_GRAYSCALE) equ = cv2.equalizeHist(img) plt.hist(img.ravel(),256) plt.figure() plt.hist(equ.ravel(),256) plt.show()

原始

處理后

示例：
處理的是灰度圖，需要讀取灰色圖

import cv2 import numpy as np import matplotlib.pyplot as plt o=cv2.imread("equ.bmp",cv2.IMREAD_GRAYSCALE)#讀取灰色圖像 r=cv2.equalizeHist(o) cv2.imshow("original",o) cv2.imshow("result",r) cv2.waitKey() cv2.destroyAllWindows()

import cv2 import matplotlib.pyplot as plt img = cv2.imread('boat.bmp',cv2.IMREAD_GRAYSCALE) equ = cv2.equalizeHist(img) plt.subplot(221) plt.imshow(img,cmap=plt.cm.gray),plt.axis('off') plt.subplot(222) plt.imshow(equ,cmap=plt.cm.gray),plt.axis('off') plt.subplot(223) plt.hist(img.ravel(),256) plt.subplot(224) plt.hist(equ.ravel(),256) plt.show()

總目錄鏈接：
python3+opencv學習筆記匯總目錄（適合基礎入門學習）
電氣專業的計算機小白，寫博文不容易。如果你覺得本文不錯，請點個贊支持下。謝謝。

總結

以上是生活随笔為你收集整理的opencv学习笔记21：直方图和掩膜 原理及其应用的全部內容，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。