圖像灰度直方圖

圖像灰度直方圖

　　圖像是由像素點構成的，每個像素點的值代表着該點的顏色（灰度圖或者彩色圖）。

　　直方圖就是對圖像中的這些像素點的值進行統計，得到一個統一的整體的灰度概念。

　　優點：可以清晰了解圖像的整體灰度分布，對於后面依據直方圖處理圖像來說至關重要。

　　一般情況下直方圖都是灰度圖像，直方圖x軸是灰度值（一般0~255），y軸是圖像中每一個灰度級對應的像素點的個數。

　　灰度級：正常情況下就是0-255共256個灰度級，從黑一直到白（也有可能統計其中的某部分灰度范圍），那么每一個灰度級對應一個數值代表該灰度對應的點數目。

也就是說直方圖其實就是一個1*m（灰度級）的一個數組而已。但是有的時候不希望逐個灰度的遞增，比如現在要求20個灰度一起作為一個灰度級來畫直方圖，這個時候

可能只需要1*(m/20)這樣一個數組就夠了。那么這里的20就是直方圖的間隔寬度了。

 

　　Opencv給提供的函數是cv2.calcHist()，該函數有5個參數：

• image輸入圖像，傳入時應該用中括號[]括起來
• channels:：傳入圖像的通道，如果是灰度圖像，那就不用說了，只有一個通道，值為0，如果是彩色圖像（有3個通道），那么值為0,1,2,中選擇一個，對應着BGR各個通道，用[]傳入。
• mask：掩膜圖像。如果統計整幅圖，那么為none。如果要統計部分圖的直方圖，就得構造相應的炎掩膜來計算。
• histSize：灰度級的個數，需要中括號，比如[256]
• ranges:像素值的范圍，通常[0,256]，有的圖像如果不是0-256，比如說你來回各種變換導致像素值負值、很大，則需要調整后才可以。

　　除Opencv外，numpy也有函數用於統計直方圖的

　　函數np.histogram()

　　函數np.bincount()

　　這三個方式的傳入參數基本上差不多，不同的是opencv自帶的需要中括號括起來。 

　　測試案例：

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

img = cv2.imread('02.jpg', 0)#直接讀為灰度圖像

#opencv讀取方法cv2.calcHist(速度最快)
#圖像，通道[0]-灰度圖，掩膜-無，灰度級，像素范圍
hist_cv = cv2.calcHist([img], [0], None, [256], [0,256])

#numpy方法讀取np.histogram()
hist_np,bins = np.histogram(img.ravel(), 256, [0,256])

#numpy的另一種讀取方法np.bincount()（速度=10倍方法2）
hist_np2 = np.bincount(img.ravel(), minlength=256)

plt.subplot(221), plt.imshow(img, 'gray')
plt.subplot(222), plt.plot(range(256), hist_cv, 'r')
plt.subplot(223), plt.plot(range(256), hist_np, 'b')
plt.subplot(224), plt.plot(hist_np2)
plt.show()

　　opencv的直方圖函數中掩膜的使用，這個掩膜就是一個區域大小，表示直方圖統計就是這個區域的像素統計。

　　掩膜是用一副二值化圖片對另外一幅圖片進行局部的遮擋

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

img = cv2.imread('02.jpg', 0)#直接讀為灰度圖像
#生成掩膜
mask = np.zeros(img.shape[:2], np.uint8)
mask[200:400, 300:500] = 255
#Cv2.bitwise_and (目標文件，源文件，mask)，將圖片里的像素值按位與
masked_img = cv2.bitwise_and(img, img, mask=mask)

#opencv讀取方法cv2.calcHist(速度最快)
#圖像，通道[0]-灰度圖，掩膜-無，灰度級，像素范圍
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.show()

 

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

img = cv2.imread('02.jpg', 0)#直接讀為灰度圖像
#生成掩膜
mask = np.zeros(img.shape[:2], np.uint8)
mask[200:400, 300:500] = 255
#Cv2.bitwise_and (目標文件，源文件，mask)，將圖片里的像素值按位與
masked_img = cv2.bitwise_and(img, img, mask=mask)

#opencv讀取方法cv2.calcHist(速度最快)
#圖像，通道[0]-灰度圖，掩膜-無，灰度級，像素范圍
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.show()