opencv图像处理之直方图

0.什么是直方图

通过直方图你可以对整幅图像的灰度分布有一个整体的了解。直方图的x 轴是灰度值（0 到255），y 轴是图片中具有同一个灰度值的点的数目。

统计直方图的几个重要参数:

BINS：

• 直方图显示了每个灰度值对应的像素数。如果像素值为0到255，你就需要256 个数来显示上面的直方图。但是，如果你不需要知道每一个像素值的像素点数目的，而只希望知道两个像素值之间的像素点数目怎么办呢？举例来说，我们想知道像素值在0 到15 之间的像素点的数目，接着是16 到31,…，240 到255。我们只需要16 个值来绘制直方图。
• 那到底怎么做呢？你只需要把原来的256 个值等分成16 小组，取每组的总和。而这里的每一个小组就被成为BIN。第一个例子中有256 个BIN，第二个例子中有16 个BIN。在OpenCV 的文档中用histSize 表示BINS。

DIMS：

• 表示我们收集数据的参数数目。在本例中，我们对收集到的数据只考虑一件事：灰度值。所以这里就是1。

RANGE：

• 就是要统计的灰度值范围，一般来说为[0，256]，也就是说所有的灰度值。

1.整幅图像的直方图

代码速记：

• plt.hist()
• cv2.calcHist()
• np.histogram()
• np.bincount()

参数解释：

plt.hist(raw_gray.ravel(),256,[0,256])#1：原图像展成一维数组。 2：bins。3.range
cv2.calcHist([raw_color],[i],None,[256],[0,256])#1：原图像。2：图像通道索引。3：mask。4：bins。5：range
np.histogram(raw_gray.ravel(), 256, [0, 256])#1：原图像展成一维数组。 2：bins。3.range
np.bincount(raw_gray.ravel(), minlength=256)#1：原图像展成一维数组。 2：bins的最小值

实战：

def accu_paint(self):
    raw_gray=cv2.imread(self.infile,0)
    raw_color=cv2.imread(self.infile)

    #【1】plot统计单通道直方图，用plot绘制
    plt.hist(raw_gray.ravel(),256,[0,256])
    plt.show()
    #【2】cv统计三通道直方图，用plot绘制
    color=('b','g','r')
    for i,col in enumerate(color):
        histr=cv2.calcHist([raw_color],[i],None,[256],[0,256])
        plt.plot(histr,color=col)
        plt.xlim([0,256])
    plt.show()
    #【3】numpy方法统计直方图，用plot绘制
    np_hist1, bins = np.histogram(raw_gray.ravel(), 256, [0, 256])  # cv函数比此函数快40倍
    # img.ravel()把图像转为一维数组
    np_hist2 = np.bincount(raw_gray.ravel(), minlength=256)  # 比histogram快十倍
    titles=['histogram','bincount']
    hists=[np_hist1,np_hist2]
    for i in range(2):
        plt.subplot(1,2,i+1),plt.plot(hists[i])
        plt.title(titles[i])
    plt.show()

plot统计单通道直方图，用plot绘制：

cv统计三通道直方图，用plot绘制：

numpy方法统计直方图，用plot绘制：

2.部分图像的直方图（使用mask）

代码速记：

• mask=np.zero()
• mask[:,:]=255
• cv2.calcHist(,mask,)

实战：

def mask_hist(self):
    raw_gray=cv2.imread(self.infile,0)
    mask=np.zeros(raw_gray.shape[:2],np.uint8)#mask为全黑的图像
    mask[100:500,100:600]=255#mask的该区域变白
    masked_img=cv2.bitwise_and(raw_gray,raw_gray,mask=mask)
    hist_full=cv2.calcHist([raw_gray],[0],None,[256],[0,256])
    hist_mask=cv2.calcHist([raw_gray],[0],mask,[256],[0,256])
    titles = ['raw_gray', 'mask','masked_img']
    imgs = [raw_gray, mask,masked_img]
    for i in range(3):
        plt.subplot(2, 2, i + 1), plt.imshow(imgs[i],'gray')
        plt.title(titles[i])
        plt.xticks([]), plt.yticks([])
    plt.subplot(2,2,4),plt.plot(hist_full),plt.plot(hist_mask)
    plt.xlim([0,256])
    plt.show()