常见的图像变换

常见的图像变换

直方图处理

基本概念

直方图

• 横坐标：图像中各个像素点的灰度级
• 纵坐标：具有该灰度级的像素个数

归一化直方图

• 横坐标：图像中各个像素点的灰度级
• 纵坐标：出现这个灰度级的概率

DIMS:使用参数的数量

• dims=1：灰度直方图——仅考虑灰度的情况

BINS：参数子集的数目

RANGE：统计灰度值的范围

• 一般为[0, 255]
• 最小值：0——黑色
• 最大值：255——白色

使用matplotlib.pyplot绘制直方图

• 导入：import matplotlib.pyplot as plt
• 函数hist
  • 功能：根据数据源和像素级绘制直方图
  • 语法：hist(数据源, 像素级)
  • 说明：
    • 数据源：图像，必须是一维数组
    • 像素级：一般是256，指[0, 255]
• 函数ravel
  • 功能：将多维数组降为一维数组
  • 格式：一维数组=多维数组.ravel()

使用cv2.calcHist()获取8位图像的统计值（数组）

• 函数hist=cv2.calcHist(images, channels, mask, histSize, ranges, accumulate)
  • hist：直方图（二维数组）
  • images：原始图像
  • channels：指定通道
    • 通道编号需要用中括号括起来
    • 输入图像是灰度图时，它的值是[0]
    • 彩色图像可以是[0]、[1]、[2]分别对应通道B、G、R
  • mask：掩码图像
    • 统计整幅图像的直方图，设为None
    • 统计图像某一部分的直方图时，需要掩码图像
  • histSize：BINS的数量
    • 需要用中括号括起来
    • 例如：[256]
  • ranges：像素值范围RANGE
  • accumulate：累计（累计、叠加）标识
    • 默认值为false
    • 如果被设置为true，则直方图在开始分配时不会被清零
    • 该参数允许从多个对象中计算单个直方图，或者用于实时更新直方图
    • 多个直方图的累积结果，用于对一组图像计算直方图
  • 例：hist=cv2.calcHist([img], [0], None, [256], [0,256])

绘制OpenCV统计直方图

• 函数plt.plot

import cv2
import matplotlib.pyplot as plt

o = cv2.imread("D:\\data\\Code\\PycharmProjects\\helloworld\\lena.jpg")
histb = cv2.calcHist([o], [0], None, [256], [0, 256])
histg = cv2.calcHist([o], [1], None, [256], [0, 256])
histr = cv2.calcHist([o], [2], None, [256], [0, 256])

plt.plot(histb, color='b')
plt.plot(histg, color='g')
plt.plot(histr, color='r')

plt.show()

效果：

使用掩模绘制直方图

• 效果
  
• 原理
  
• 操作小记1——掩模绘制

import cv2
import numpy as np

o = cv2.imread("D:\\data\\Code\\PycharmProjects\\helloworld\\lena.jpg", 0)
mask = np.zeros(o.shape, np.uint8)
mask[100:200, 100:200] = 255
mi = cv2.bitwise_and(o, mask)

cv2.imshow('ori', o)
cv2.imshow('mask', mask)
cv2.imshow('mi', mi)
cv2.waitKey()
cv2.destroyAllWindows()

效果

• 操作小记2——绘制直方图

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

o = cv2.imread("D:\\data\\Code\\PycharmProjects\\helloworld\\lena.jpg", cv2.IMREAD_GRAYSCALE)
mask = np.zeros(o.shape, np.uint8)
mask[100:200, 100:200] = 255

histMI = cv2.calcHist([o], [0], mask, [256], [0, 255])
histO = cv2.calcHist([o], [0], None, [256], [0, 255])

plt.plot(histO)
plt.plot(histMI)
plt.show()

效果

直方图均衡化

直方图均衡化原理

• 效果
  
• 算法
  • 计算累积直方图
  • 将累计直方图进行区间转换
  • 在累计直方图中，概率相近的原始值，会被处理维相同的值
• 应用场合
  • 医疗图像处理
  • 车牌识别
  • 人脸识别

使用cv2.equalizeHist()实现直方图均衡化

• 语法：dst = cv2.equalizeHist(src)

  • src：源图像
  • dst：目标图像，处理结果

• 操作小记

import cv2
import matplotlib.pyplot as plt

o = cv2.imread("D:\\data\\Code\\PycharmProjects\\helloworld\\lena.jpg", cv2.IMREAD_GRAYSCALE)
equ = cv2.equalizeHist(o)
plt.hist(o.ravel(), 256)
plt.figure()
plt.hist(equ.ravel(), 256)
plt.show()

效果

图像金字塔

理论基础

• 图像金字塔：同一图像的不同分辨率的子图集合——获取：向下（上）取样
  
• 向下取样
  
  • 原始图像 M*N --> 处理结果 M/2 *N/2
  • 每次处理后，结果图像是原来的1/4
  • 上述操作被称为：Octave
  • 无法复原
• 向上取样
  
  • 无法复原

pyrUp函数及使用

• 语法：dst = cv2.pyrUp(src)

  • dst：向上取样结果
  • src：原始图像

• 操作小记

import cv2

o = cv2.imread("D:\\data\\Code\\PycharmProjects\\helloworld\\lena.jpg", cv2.IMREAD_GRAYSCALE)
r = cv2.pyrUp(o)
r1 = cv2.pyrUp(r)
r2 = cv2.pyrUp(r1)
cv2.imshow("ori", o)
cv2.imshow("res1", r)
cv2.imshow("res2", r1)
cv2.imshow("res3", r2)
cv2.waitKey()
cv2.destroyAllWindows()

效果

pyrDown函数及使用

• 语法：dst = cv2.pyrDown(src)

  • dst：向下取样结果
  • src：原始图像

• 操作小记

import cv2

o = cv2.imread("D:\\data\\Code\\PycharmProjects\\helloworld\\lena.jpg", cv2.IMREAD_GRAYSCALE)
r = cv2.pyrDown(o)
r1 = cv2.pyrDown(r)
r2 = cv2.pyrDown(r1)
cv2.imshow("ori", o)
cv2.imshow("res1", r)
cv2.imshow("res2", r1)
cv2.imshow("res3", r2)
cv2.waitKey()
cv2.destroyAllWindows()

取样可逆性研究

图像大小不变，能否恢复原图像呢？

操作小记

import cv2

o = cv2.imread("D:\\data\\Code\\PycharmProjects\\helloworld\\lena.jpg")
down = cv2.pyrDown(o)
up = cv2.pyrDown(down)
diff = down - o ##查看差异
cv2.imshow("ori", o)
cv2.imshow("down", down)
cv2.imshow("up", up)
cv2.waitKey()
cv2.destroyAllWindows()

拉普拉斯金字塔

公式：L_i = G_i - PyrUp(PyrDown(G_i))

• G_i：原始图像
• L_i：拉普拉斯金字塔图像

相关资料中说明

• 说明：上箭头：向上取样；下箭头：向下取样

• 说明：图中g是进行高斯运算

操作小记

import cv2

o = cv2.imread("D:\\data\\Code\\PycharmProjects\\helloworld\\lena.jpg")
od = cv2.pyrDown(o)
odu = cv2.pyrUp(od)
lapPyr = o - odu
cv2.imshow("ori", o)
cv2.imshow("lapPyr", lapPyr)
cv2.waitKey()
cv2.destroyAllWindows()

效果

说明：要得到第二层，只需重复操作即可

pyplot模块介绍

subplot函数的使用

语法：subplot(nrows, ncols, plot_number)
- nrows：行数
- ncols：列数
- plot_number：窗口序号
- 例子

- 若小于10，可以省略,：subplot(234)
操作小记

import cv2
import matplotlib.pyplot as plt

o = cv2.imread("D:\\data\\Code\\PycharmProjects\\helloworld\\lena.jpg", cv2.IMREAD_GRAYSCALE)
equ = cv2.equalizeHist(o)
plt.subplot(1, 2, 1), plt.hist(o.ravel(), 256)
plt.subplot(1, 2, 2), plt.hist(equ.ravel(), 256)
plt.show()

效果

matplotlib.pyplot.imshow函数的使用

语法：imshow(X, cmap=None)

• X：要绘制的图像
• cmap：colormap，颜色图谱，默认为RGB(A)颜色空间
  • 灰度图像：cmap=plt.cm.gray
  • 彩色图像：如果使用opencv读入的图像，默认空间为BGR，需要调整色彩空间为RGB

操作小记1

import cv2
import matplotlib.pyplot as plt

o = cv2.imread("D:\\data\\Code\\PycharmProjects\\helloworld\\lena.jpg")
g = cv2.cvtColor(o, cv2.COLOR_BGR2GRAY)
plt.subplot(221), plt.imshow(o), plt.axis('off')
plt.subplot(222), plt.imshow(o, cmap=plt.cm.gray), plt.axis('off')
plt.subplot(223), plt.imshow(g), plt.axis('off')
plt.subplot(224), plt.imshow(g, cmap=plt.cm.gray), plt.axis('off') # right

plt.show()

效果

操作小记2

import cv2
import matplotlib.pyplot as plt

o = cv2.imread("D:\\data\\Code\\PycharmProjects\\helloworld\\lena.jpg")
b, g, r = cv2.split(o)
o2 = cv2.merge([r, g, b])
plt.subplot(121), plt.imshow(o), plt.axis('off')
plt.subplot(122), plt.imshow(o2), plt.axis('off')

plt.show()

效果