OpenCV Python 直方图


直方图

什么是直方图

直方图的作用

敲程序

下面为使用PythonOpenCVmatplotlib来编写几个samples程序来实际感受一下图像的直方图:

使用matplotlib计算直方图

代码

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

img = cv2.imread('~/Pictures/IMG_4137.JPG', 0)
plt.hist(img.ravel() , 256, [0, 256])
plt.show()

出现错误

上面的这段程序,你运行会出现这样的error:

Traceback (most recent call last):
  File "/home/aobo/PycharmProjects/OpenCV2/Histograms/hist.py", line 6, in <module>
    plt.hist(img.ravel() , 256, [0, 256])
AttributeError: 'NoneType' object has no attribute 'ravel'

解决办法

将代码里的下面这行

img = cv2.imread('~/Pictures/IMG_4137.JPG', 0)

修改为:(图片路径使用完整的绝对路径)

img = cv2.imread('/home/aobo/Pictures/IMG_4137.JPG', 0)

错误的原因是:img变量没有成功的载入图片(cv2.imread()),所以这个img变量就是一个没有任何变量类型的一个变量,在Python语言里img现在就是一个NoneType对象。因为只要Mat对象才有ravel()这个方法,而NoneType对象没有,所以才出现了上面的error

img.ravel() 将图像转成一维数组。

运行结果:

Figure 1


输出一个彩色图像的直方图

代码

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

img = cv2.imread('/home/aobo/Pictures/IMG_4137.JPG')
color = ('b','g','r')
# enumerate():python里的一个新函数
# 它的作用:同时遍历索引(i)和元素(col)
for i,col in enumerate(color):
    histr = cv2.calcHist([img], [i], None, [256], [0, 256])
    plt.plot(histr, color = col)
    plt.xlim([0, 256])
plt.show()

运行效果

Figure 1

代码讲解

histr = cv2.calcHist([img], [i], None, [256], [0, 256])

cv2.calcHist()是OpenCV里面求直方图的函数。下面介绍这个函数需要传入的形参:

cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate]])

实参 对应形参 解释
[img] images 原始图像,需要使用[]修饰
[i] channels cv2.calcHist()函数一次只能得到一张图片的其中一个通道的直方图,所以,这里传入的是本次需要处理的元素图片的通道的索引号,同样需要使用[]修饰。如果输入的元素图像是灰度图,它的值就是[0]; 如果输入的元素图像是彩色图像的话,传入的参数可以是[0], [1], [2],它们分别对应着通道B, G, R。
plt.plot(histr, color = col)

这句话中的col的值是:’b’, ‘g ’ 或 ‘r’,赋给color形参,函数会自动处理成形应的颜色值,用这个颜色值将histr直方图绘制到plt画板上。

plt.xlim([0, 256])

设置plt画板x轴的上下限,就是x轴所显示的长度。我们将这段代码修改出下面这个样子,然后运行程序,会得到下面的结果:

plt.xlim([0, 100])

Figure 1


使用掩模

代码

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

img = cv2.imread('/home/aobo/Pictures/IMG_4137.JPG')
color = ('b','g','r')

mask = np.zeros(img.shape[:2], np.uint8)
mask[1000:2000, 1000:2000] = 255
masked_img = cv2.bitwise_and(img, img, mask = mask)

hist_full = cv2.calcHist([img], [0], None, [256], [0, 256])
hist_mask = cv2.calcHist([img], [0], mask, [256], [0, 256])

plt.subplot(221), plt.imshow(img, 'gray')
plt.subplot(222), plt.imshow(mask, 'gray')
plt.subplot(223), plt.imshow(masked_img, 'gray')
plt.subplot(224), plt.plot(hist_full), plt.plot(hist_mask)
plt.xlim([0, 256])

plt.show()

运行效果

<注>:当原始图像使用较大图像的时候,你会发现程序运行后需要好久才能得到下面的结果。
Figure 1

代码解释

mask = np.zeros(img.shape[:2], np.uint8)
mask[1000:2000, 1000:2000] = 255

制作一个掩模。首先使用np.zeros()函数创建一个与原图尺寸和深度都一样,像素值全为0(黑色)图像mask,然后指定mask掩模的[1000:2000, 1000:2000]区域的像素全为255(白色)。上图右上角的图就是掩模图像。

masked_img = cv2.bitwise_and(img, img, mask = mask)

现在掩模发挥了作用:掩模的黑色区域(像素值为0)用来遮盖原图img,即不参与图像处理,只保留像素值不为0的区域。masked_img图像就是上图左下角的图像。
cv2.bitwise_and()函数的功能是位与。下面是这个函数的声明:

cv2.bitwise_and(src1, src2[, dst[, mask]])

当前代码里,对应的src1src2是同一种数据类型,所以此时cv2.bitwise_and()函数执行的是下面的操作:
Alt text

hist_full = cv2.calcHist([img], [0], None, [256], [0, 256])
hist_mask = cv2.calcHist([img], [0], mask, [256], [0, 256])

分别计算出原图img的直方图和img掩模区域的直方图。

plt.subplot(221), plt.imshow(img, 'gray')
plt.subplot(222), plt.imshow(mask, 'gray')
plt.subplot(223), plt.imshow(masked_img, 'gray')
plt.subplot(224), plt.plot(hist_full), plt.plot(hist_mask)
plt.xlim([0, 256])

subplot()matplotlib.pyplot里的函数。它是:将多个图画到一个平面上的工具。

subplot(m, n, p) 或者subplot(mnp)

m 表示图排成m行
n 表示图排成n列
p 表示将图画到Figure(指的是上面截图里的窗口)哪个图上,顺序是从左到右,从上到下