OpenCV Python – 如何计算和绘制图像区域直方图？

在OpenCV中，我们使用cv2.calcHist（）函数来计算图像的直方图。我们可以使用此函数来计算图像区域直方图。要计算图像中某个区域的直方图，我们首先定义一个掩码。遮罩中的白色用于在原始输入图像中检查的区域，遮罩图像中的黑色用于忽略区域。现在我们计算将此掩码作为参数传递给函数的直方图。

 

步骤

要计算和绘制图像区域区域的直方图，可以按照以下步骤操作 -

• 导入所需的库 OpenCV、NumPy 和 matplotlib。确保您已经安装了它们。

• 使用 cv2.imread（） 方法读取输入图像。指定映像的完整路径。

• 为我们的图像定义一个蒙版。遮罩图像中的黑色表示要忽略的区域，白色表示要检查原始输入图像中的区域。

• 使用 cv2.split（） 函数拆分输入图像的不同通道（蓝色、绿色和红色）。

• 使用上述定义的掩码计算输入图像不同通道的直方图。绘制输入图像不同颜色的直方图。

hist = cv2.calcHist([channel], [0], mask, [256], [0, 256])

• 要可视化输入图像的遮罩区域，请使用遮罩图像对输入图像执行cv2.bitwise_and（）操作。它创建输入图像的遮罩区域。

让我们看一些例子，以便清楚地理解这个问题。

输入

在下面的示例中，我们使用下图作为输入文件。

 

例

在此示例中，我们计算输入图像矩形区域的直方图并绘制直方图。

# import required libraries import cv2 from matplotlib import pyplot as plt import numpy as np # Read the input image img = cv2.imread('architecture2.jpg') # define a function to compute and plot histogram def plot_histogram(img, title, mask=None): # split the image into blue, green and red channels channels = cv2.split(img) colors = ("b", "g", "r") plt.title(title) plt.xlabel("Bins") plt.ylabel("# of Pixels") # loop over the image channels for (channel, color) in zip(channels, colors): # compute the histogram for the current channel and plot it hist = cv2.calcHist([channel], [0], mask, [256], [0, 256]) plt.plot(hist, color=color) plt.xlim([0, 256]) # define a mask for our image; black for regions to ignore # and white for regions to examine mask = np.zeros(img.shape[:2], dtype="uint8") cv2.rectangle(mask, (160, 130), (410, 290), 255, -1) # display the masked region masked = cv2.bitwise_and(img, img, mask=mask) # compute a histogram for masked image plot_histogram(img, "Histogram for Masked Image", mask=mask) # show the plots plt.show() cv2.imshow("Mask", mask) cv2.imshow("Mask Image", masked) cv2.waitKey(0)

输出

当您运行上述 Python 程序时，它会生成以下输出窗口 -

上面的输出图像显示了输入图像中矩形区域的直方图。

以上两个输出图像是输入图像的遮罩和矩形区域。仅针对此遮罩区域计算直方图。