Python图像处理丨如何调用OpenCV绘制直方图
摘要:本篇文章主要讲解灰度直方图的基本概念,Python调用OpenCV实现绘制图像直方图。
本文分享自华为云社区《[Python图像处理] 十一.灰度直方图概念及OpenCV绘制直方图》,作者:eastmount。
一. 灰度直方图基本概念
什么是灰度直方图?
灰度直方图(histogram)是灰度级的函数,描述的是图像中每种灰度级像素的个数,反映图像中每种灰度出现的频率。横坐标是灰度级,纵坐标是灰度级出现的频率。
![](https://pic1.zhimg.com/80/v2-7fc81e334959bb62c686674b19c11c84_720w.jpg)
对于连续图像,平滑地从中心的高灰度级变化到边缘的低灰度级。直方图定义为:
![](https://pic4.zhimg.com/80/v2-13fb046d3c53735d3cac3bbe5db88623_720w.jpg)
其中A(D)为阈值面积函数:为一幅连续图像中被具有灰度级D的所有轮廓线所包围的面积。对于离散函数,固定ΔD为1,则:H(D)=A(D)-A(D+1)。
色彩直方图是高维直方图的特例,它统计色彩的出现频率,即色彩概率分布信息。通常这需要一定的量化过程,将色彩分成若干互不重叠的种类。一般不直接在RGB色彩空间中统计,而是在将亮度分离出来后,对代表色彩部分的信息进行统计,如在HSI空间的HS子空间、YUV空间的UV子空间,以及其它反映人类视觉特点的彩色空间表示中进行。
直方图的计算方法如下:
依据定义,若图像具有L(通常L=256,即8位灰度级)级灰度,则大小为MxN的灰度图像f(x,y)的灰度直方图hist[0…L-1]可用如下计算获得。
1、初始化 hist[k]=0; k=0,…,L-1
2、统计 hist[f(x,y)]++; x=0,…,M-1, y =0,…,N-1
3、归一化 hist[f(x,y)]/=M*N
那么说了这么多,直方图究竟有什么作用呢?
在使用轮廓线确定物体边界时,通过直方图更好的选择边界阈值,进行阈值化处理;对物体与背景有较强对比的景物的分割特别有用;简单物体的面积和综合光密度IOD可以通过图像的直方图求得。
二. 绘制直方图
1.基础概念
在直方图中,横坐标表示图像中各个像素点的灰度级,纵坐标表示具有该灰度级的像素个数。
![](https://pic1.zhimg.com/80/v2-86c3150125c0feb11ca6c83221fa3f84_720w.jpg)
假设存在一个3*3的图像,如下图所示,x数组统计的是像素点的灰度级,y数组统计的是具有该灰度级的像素个数。其中,灰度为1的像素共3个,灰度为2的像素共1个,灰度为3的像素共2个,灰度为4的像素共1个,灰度为5的像素共2个。
x = [1, 2, 3, 4, 5]
y = [3, 1, 2, 1, 2]
绘制的折线图如下所示:
![](https://pic1.zhimg.com/80/v2-513b1b18c62e124bace7b3550c653a28_720w.jpg)
绘制的直方图如下所示:
![](https://pic1.zhimg.com/80/v2-e660945ab725264d84792cfe7ebb8aac_720w.jpg)
如果灰度级为0-255(最小值0黑色,最大值255白色),同样可以绘制对应的直方图,下图是三张图片拼接而成及其对应的直方图。
![](https://pic4.zhimg.com/80/v2-0856f7757886ab65214b840e884aa103_720w.jpg)
2.归一化直方图
该直方图的横坐标表示图像中各个像素点的灰度级,纵坐标表示出现这个灰度级的概率。其计算方法如下:
(1) 先计算灰度级及对应像素的个数
x = [1, 2, 3, 4, 5]
t = [3, 1, 2, 1, 2]
(2) 统计总的像素个数
n = (3 + 1 + 2 + 1 +2) = 9
(3) 统计各个灰度级的出现概率
y = t / n = [3/9, 1/9, 2/9, 1/9, 2/9]
![](https://pic4.zhimg.com/80/v2-de88411aed1aeeb3ec588da0bc1a93a3_720w.jpg)
3.绘制直方图
主要调用matplotlib的子库pyplot实现,它提供了类似于Matlab的绘图框架,matplotlib是非常强大基础的一个Python绘图包。Provides a Matlab-like plotting framework. 导入代码如下:
import matplotlib.pyplot as plt
其中绘制直方图主要调用hist函数实现,它根据数据源和像素级绘制直方图。函数原型如下:
hist(数据源, 像素级) 参数: 数据源必须是一维数组,通常需要通过函数ravel()拉直图像 像素级一般是256,表示[0, 255]
![](https://pic3.zhimg.com/80/v2-b9e15ac2f95c7061b189118b69acf9d2_720w.jpg)
函数ravel()将多维数组降为一维数组,格式为:
一维数组 = 多维数组.ravel()
![](https://pic1.zhimg.com/80/v2-77c2e40219936ec2eeff218dcaa4ae68_720w.jpg)
4.代码实现
#encoding:utf-8 import cv2 import numpy as np import matplotlib.pyplot as plt src = cv2.imread('test01.jpg') cv2.imshow("src", src) cv2.waitKey(0) cv2.destroyAllWindows() plt.hist(src.ravel(), 256) plt.show()
输出结果如下所示:
![](https://pic3.zhimg.com/80/v2-c694b3343c7a322bb65633e2a7a33862_720w.jpg)
![](https://pic4.zhimg.com/80/v2-857c602af2fcbc34304385f81018da63_720w.jpg)
三. 使用OpenCV统计绘制直方图
1.函数原型
前面讲解调用matplotlib库绘制直方图,接下来讲解使用OpenCV统计绘制直方图的例子。
直方图横坐标:图像中各个像素点的灰度级
直方图纵坐标:具有该灰度级的像素个数
![](https://pic1.zhimg.com/80/v2-be8f9c6a329d99cd983a7dff409007f8_720w.jpg)
主要调用函数calcHist()实现:
hist = cv2.calcHist(images, channels, mask, histSize, ranges, accumulate)
参数:
- hist表示直方图,返回的是一个二维数组
- images表示原始图像
- channels表示指定通道,通道编号需要用中括号括起,输入图像是灰度图像时,它的值为[0],彩色图像则为[0]、[1]、[2],分别表示B、G、R
- mask表示掩码图像,统计整副图像的直方图,设为None,统计图像的某一部分直方图时,需要掩码图像
- histSize表示BINS的数量,参数子集的数目,如下图当bins=3表示三个灰度级
![](https://pic4.zhimg.com/80/v2-b5a2ba689485c6026a6b43bfff4849f3_720w.jpg)
![](https://pic4.zhimg.com/80/v2-0b4676c8882499b8c58795d8e651aa73_720w.jpg)
- ranges表示像素值范围,例如[0, 255]
- accumulate表示累计叠加标识,默认为false,如果被设置为true,则直方图在开始分配时不会被清零,该参数允许从多个对象中计算单个直方图,或者用于实时更新直方图;多个直方图的累积结果用于对一组图像的直方图计算
![](https://pic4.zhimg.com/80/v2-54114f2f3cd973b0fd8427728cda9d63_720w.jpg)
2.代码实现
首先计算图像灰度级的基本大小、形状及内容。
#encoding:utf-8 import cv2 import numpy as np import matplotlib.pyplot as plt src = cv2.imread('test01.jpg') #参数:原图像 通道[0]-B 掩码 BINS为256 像素范围0-255 hist = cv2.calcHist([src], [0], None, [256], [0,255]) print(type(hist)) print(hist.size) print(hist.shape) print(hist)
输出结果如下所示:
![](https://pic4.zhimg.com/80/v2-d185bcd13e300615e986f9e813c58b5f_720w.jpg)
下面是绘制图像的代码,首先补充一些matplotlib库绘制图像代码,也推荐我的文章。
[Python数据挖掘课程] 六.Numpy、Pandas和Matplotlib包基础知识
#encoding:utf-8 import cv2 import numpy as np import matplotlib.pyplot as plt #绘制sin函数曲线 x1 = np.arange(0, 6, 0.1) y1 = np.sin(x1) plt.plot(x1, y1) #绘制坐标点折现 x2 = [0, 1, 2, 3, 4, 5, 6] y2 = [0.3, 0.4, 2.5, 3.4, 4, 5.8, 7.2] plt.plot(x2, y2) #省略有规则递增的x2参数 y3 = [0, 0.5, 1.5, 2.4, 4.6, 8] plt.plot(y3, color="r") plt.show()
输出结果有三条线,如下所示:
![](https://pic2.zhimg.com/80/v2-671f30869ffa4a50facced6ede5c44dd_720w.jpg)
最后给出调用calcHist()计算B、G、R灰度级并绘制图形的代码。
#encoding:utf-8 import cv2 import numpy as np import matplotlib.pyplot as plt src = cv2.imread('test01.jpg') histb = cv2.calcHist([src], [0], None, [256], [0,255]) histg = cv2.calcHist([src], [1], None, [256], [0,255]) histr = cv2.calcHist([src], [2], None, [256], [0,255]) cv2.imshow("src", src) cv2.waitKey(0) cv2.destroyAllWindows() plt.plot(histb, color='b') plt.plot(histg, color='g') plt.plot(histr, color='r') plt.show()
输出结果如下图所示:
![](https://pic3.zhimg.com/80/v2-cd4abc28e9a974971cf84d33cccef286_720w.jpg)
![](https://pic3.zhimg.com/80/v2-c694b3343c7a322bb65633e2a7a33862_720w.jpg)
相关文章
- Python-基础-if语句快速入门
- Python-基础-循环语句快速入门
- Python-GUI签名
- 【2】VScode 搭建python和tensorflow环境
- python 简易时钟
- 【1】windows系统如何安装后缀是whl的python库
- 【2】超级详细Python-matplotlib画图,手把手教你画图!(线条颜色、大小、线形、标签)
- 【4】python读写文件操作---详细讲解!
- 【2】Anaconda下:ipython文件的打开方式,Jupyter Notebook中运行.py文件,快速打开ipython文件的方法!
- 【编写环境一】遇到常见python函数处理方式
- 【编写环境二】python库scipy.stats各种分布函数生成、以及随机数生成【泊松分布、正态分布等】
- Python xlwt数据保存到 Excel中以及xlrd读取excel文件画图
- 强化学习技巧三:Python多进程
- 强化学习技巧五:numba提速python程序
- 【7】python_matplotlib 输出(保存)矢量图方法;画图时图例说明(legend)放到图像外侧;Python_matplotlib图例放在外侧保存时显示不完整问题解决
- 【8】python_matplotlib改变横坐标和纵坐标上的刻度(ticks)、sagemath-list_plot()调整图例(legend)中点的数量、Matplotlib画各种论文图
- python3 ACM模式的输入输出例子教学
- 常用排序方法——python写法【冒泡、快速排序、TOP-K问题】
- MySQL【五】与python交互
- python3 牛客网:OJ在线编程常见输入输出练习(ACM模式)