图像直方图

• 简介

图像直方图是把图像变为灰度图，分成一个一个像素点的值进行统计，如下图左所示。
 
直方图统计函数 cv2.calcHist(images,channels,mask,histSize,ranges)
 
images：原图像的图像格式为 uint8 或 float32。当传入函数时应该用中括号 [] 括来传入，例如[img]
channels：同样用中括号来传入，它会告诉函数统幅的哪幅灰度图的直方图。如果传入的图像是灰度图它的值就是 [0]，如果是彩色图像，那么传入的参数可以是 [0]、[1]、[2]，它们分别对应着 B、G、R 通道，每个通道的图像都是灰度图。
mask：掩模图像。统计整幅图像的直方图时就把它设为 None。但是如果你想统计图像的某一部分区域的直方图的，你就制作一个掩模图像并使用它。
histSize：BIN 的数目。也应用中括号括来。
ranges: 统计的像素值范围，常为 [0-256]。

• 直方图统计

import cv2
import numpy as np
import matplotlib.pyplot as plt # Matplotlib 是 RGB
%matplotlib inline
 
def cv_show(img,name):
    cv2.imshow(name,img)
    cv2.waitKey()
    cv2.destroyAllWindows()
 
img = cv2.imread('01_Picture/01_Cat.jpg',0) # 0 表示灰度图
print((img.ravel()).shape)
plt.hist(img.ravel(),256) # img.ravel()将 img 拉成一维数组
plt.show()
# 执行结果：(207000,)

img = cv2.imread('01_Picture/01_Cat.jpg')
color = ('b','g','r')
for i,col in enumerate(color):
    histr = cv2.calcHist([img],[i],None,[256],[0,256])
    print(histr.shape)
    plt.plot(histr,color=col)
    plt.xlim([0,256])
 
# 执行结果
(256, 1)
(256, 1)
(256, 1)

• 图像掩码区域

img = cv2.imread('01_Picture/01_Cat.jpg',0)
cv_show(img,'img')
print(img.shape[:2])
mask = np.zeros(img.shape[:2],np.uint8)
print(mask.shape)
mask[100:300,100:400] = 255
cv_show(mask,'mask')
masked_img = cv2.bitwise_and(img,img,mask=mask) # 与操作
cv_show(masked_img,'masked_img')
# 执行结果
(414, 500)
(414, 500)

• 执行结果

点击查看详情

• 图像掩码直方图

hist_full = cv2.calcHist([img],[0],None,[256],[0,256]) # 不带掩码统计直方图
hist_mask = cv2.calcHist([img],[0],mask,[256],[0,256]) # 带上掩码统计直方图
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) # 掩码对应的部分区域的直方图的量要小一些      
plt.xlim([0,256])
plt.show()

• 直方图均衡化

直方图均衡化：一般可以用来提升图片的亮度。
 
直方图均衡前是一个瘦高的统计图，直方图均衡后是一个矮胖的统计图。

点击查看详情

• 代码案例

img = cv2.imread('01_Picture/16_Clahe.jpg',0)
plt.hist(img.ravel(),256)
plt.show()
 
equ = cv2.equalizeHist(img)
plt.hist(equ.ravel(),256)
plt.show()
 
res = np.hstack((img,equ))
cv_show(res,'res')

• 自适应直方图均衡化

如上图所示，直方图均衡化，人脸石膏本来有一些特征，可能由于直方图均衡导致丢失一些细节。所以可能切分成几个小块，局部做直方图均衡化，会比较好。
 
切分成几个小块之后，可能会导致一个现象，每个格子都会产生一个边界，opencv是对每个格子的边界进行线性插值处理。
 
直方图均衡化函数：cv2.createCLAHE(clipLimit,tileGridSize)
 
clipLimit 颜色对比度的阈值。
titleGridSize 进行像素均衡化的网格大小，即在多少网格下进行直方图的均衡化操作

• 代码案例

img = cv2.imread('01_Picture/16_Clahe.jpg',0)
clahe = cv2.createCLAHE(clipLimit=2.0,tileGridSize=(8,8)) # 自适应均衡化方法生成出来    
res_clahe = clahe.apply(img) # 方法应用到输入图片当中
res = np.hstack((img,equ,res_clahe))
cv_show(res,'res')