OpenCV图像处理——直方图

总目录

图像处理总目录←点击这里

十二、直方图

12.1、原理

cv2.calcHist(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 [] 括来例如[img]
• channels: 同样用中括号括来它会告函数我们统幅图 像的直方图。如果入图像是灰度图它的值就是 [0]如果是彩色图像 的传入的参数可以是 [0][1][2] 它们分别对应着 BGR。
• mask: 掩模图像。统整幅图像的直方图就把它为 None。但是如 果你想统图像某一分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: 像素值范围常为 [0256]

12.2、灰度图

img = cv2.imread('cat.jpg',0) #0表示灰度图
hist = cv2.calcHist([img],[0],None,[256],[0,256])
plt.hist(img.ravel(),256)
plt.show()
1
2
3
4

12.3、彩色图

img = cv2.imread('cat.jpg') 
color = ('b','g','r')
for i,col in enumerate(color): 
    histr = cv2.calcHist([img],[i],None,[256],[0,256]) 
    plt.plot(histr,color = col) 
    plt.xlim([0,256]) 
1
2
3
4
5
6
7

12.4、掩膜(mask)操作

12.4.1、原理

用选定的图像，图形或物体，对处理的图像（全部或局部）进行遮挡。

cv2.bitwise_and(src1, src2, mask=mask)

对图像每个像素值进行二进制“与”操作，1&1=1，1&0=0，0&1=0，0&0=0

利用掩膜（mask）进行“与”操作，即掩膜图像白色区域是对需要处理图像像素的保留，黑色区域是对需要处理图像像素的剔除

12.4.2、实例展示

def cv_show(img,name):
    cv2.imshow(name,img)
    cv2.waitKey()
    cv2.destroyAllWindows()


# 创建mask
mask = np.zeros(img.shape[:2], np.uint8)
mask[100:300, 100:400] = 255
cv_show(mask,'mask')

img = cv2.imread('cat.jpg', 0)
masked_img = cv2.bitwise_and(img, img, mask=mask)#与操作
cv_show(masked_img,'masked_img')
1
2
3
4
5
6
7
8
9
10
11
12
13
14

掩膜(mask)区域

掩膜(mask)参与 “与” 运算

12.4.3、对比效果

img = cv2.imread('cat.jpg', 0)
mask = np.zeros(img.shape[:2], np.uint8)
mask[100:300, 100:400] = 255
masked_img = cv2.bitwise_and(img, img, mask=mask)#与操作

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()
1
2
3
4
5
6
7
8
9
10
11
12
13
14

12.5、直方图均衡化

12.5.1、原理

• 调用方法：cv2.equalizeHist(src)
• 直方图均衡化是一种简单有效的图像增强技术
• 通过改变图像的直方图来改变图像中各像素的灰度
  • 对在图像中像素个数多的灰度值进行展宽
  • 而对像素个数少的灰度值进行归并
  • 增大对比度，使图像清晰，达到增强的目的
• 主要用于增强动态范围偏小的图像的对比度

上图中左边为原始的灰度值，右边为均衡化之后的灰度值

主要处理灰度值

12.5.2、案例一

# 原图的直方图
img = cv2.imread('cat.jpg',0) #0表示灰度图 #clahe
plt.hist(img.ravel(),256)
plt.show()
# 均衡化的直方图
equ = cv2.equalizeHist(img) 
plt.hist(equ.ravel(),256)
plt.show()

res = np.hstack((img,equ))
cv_show(res,'res')
1
2
3
4
5
6
7
8
9
10
11

12.5.3、案例二

将案例一种的图片切换lena.jpg，重新运行

12.5.4、案例三

将案例一种的图片切换clahe.jpg，重新运行

12.5.5、对比

• 案例一和案例二效果变得更好一点
• 案例三却将雕塑面部特征给模糊化了
• 引出了下一部分——自适应直方图均衡化

12.6、自适应直方图均衡化

cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))

• clipLimit：颜色对比度的阈值，可选项，默认值 8
• titleGridSize：局部直方图均衡化的模板（邻域）大小，可选项，默认值 (8,8)

实现局部直方图处理

img = cv2.imread('clahe.jpg',0)
equ = cv2.equalizeHist(img) 
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8)) 
res_clahe = clahe.apply(img)
res = np.hstack((img,equ,res_clahe))
cv_show(res,'res')
1
2
3
4
5
6

原图

cat.jpg

lena.jpg

clahe.jpg