直方图

• 函数

  • cv2.calHist(images, channels, mask, histSize, ranges)
  • images ：原图像，图像格式为 uint8 或 float32 。当传入函数时，应用中括号[]，例如： [img]
  • channels：同样用中括号括起来。如果传入的是灰度图，它的值就是 [0] ，如果是彩色图像，传入的参数可以是 [0][1][2] ，他们分别对应着 BGR 。
  • mask ：统计整幅图像的直方图，它的值就是 None ，但是如果你想统计图象的某一部分的直方图，你就使用掩模图像。
  • histSize ： BIN 的数目。也应用中括号括起来。见右下直方图，一般BIN为256，代表0-255个值。
  • ranges ：像素值范围，常为 [0256] 。

 

•  代码示例

  • 　　shape介绍

import cv2 as cv
import numpy as np


img = cv.imread('cat.jpg', 0) # 0代表灰度图
hist = cv.calcHist([img], [0], None, [256], [0, 256])
hist.shape

输出:(256,1)

 

 256表示一共有256个可能的取值

1表示输出是二维的。比如说值为123的有多少个，值为234的有多少个。

• • 　　画图

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


img = cv.imread('cat.jpg', 0) # 0代表灰度图
hist = cv.calcHist([img], [0], None, [256], [0, 256])
plt.hist(img.ravel(), 256)
plt.show()

 

 

• • 　　分别画三个通道的直方图

import cv2 as cv
import matplotlib.pyplot as plt


img = cv.imread('cat.jpg')
color = ('b', 'g', 'r')
for i,col in enumerate(color):
    histr = cv.calcHist([img], [i], None, [256], [0, 256])
    plt.plot(histr,color = col)
    plt.xlim([0, 256])

 

 

• • 　　mask操作

首先创建掩膜，在规定区域使之为255。

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


img = cv.imread('cat.jpg', 0)
# 创建mask
mask = np.zeros(img.shape[:2], np.uint8) # img.shape[:2]取图像的高和宽
mask[100:300, 100:400] = 255
cv.imshow('mask', mask)
cv.waitKey(0)
cv.destroyAllWindows()

 运行结果：

 

---

 

再将掩膜与原图进行与运算，使之合并：

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


img = cv.imread('cat.jpg', 0)
# 创建mask
mask = np.zeros(img.shape[:2], np.uint8) # img.shape[:2]取图像的高和宽
mask[100:300, 100:400] = 255

mask_img = cv.bitwise_and(img, img, mask=mask) # 与运算，图像的合并 同一张 名字不变 但是后面的mask 是自己设置的mask
cv.imshow('mask_img', mask_img)
cv.waitKey(0)
cv.destroyAllWindows()

 

结果如下：

---

 

最后绘制掩膜部分的直方图：

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


img = cv.imread('cat.jpg', 0)
# 创建mask
mask = np.zeros(img.shape[:2], np.uint8) # img.shape[:2]取图像的高和宽
mask[100:300, 100:400] = 255

mask_img = cv.bitwise_and(img, img, mask=mask) # 与运算，图像的合并 同一张 名字不变 但是后面的mask 是自己设置的mask

hist_mask = cv.calcHist([img], [0], mask, [256], [0, 256])
plt.plot(hist_mask)
plt.xlim([0, 256])
plt.show()