OpenCV--直方图

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

• 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 [0-256]

import cv2 #opencv读取的格式是BGR
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('cat.jpg',0) #0表示灰度图
hist = cv2.calcHist([img],[0],None,[256],[0,256])
# hist.shape    # (256,1) 256指0-255的256个像素; 1指1维,像素x 多少多少个

plt.hist(img.ravel(),256);  # 此处不显示图像,用plt展示方便,若用cv2,要进行颜色转换
plt.show()

分别显示3个颜色通道的直方图

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) #波形图
    plt.xlim([0,256]) #轴范围

mask 操作 (掩模)

img = cv2.imread('cat.jpg', 0)

#创建mask

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

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()

效果

直方图均衡化 clahe

equalize ：均衡
clahe ：直方图均衡化

img = cv2.imread('clahe.jpg',0) #0表示灰度图 #clahe
plt.hist(img.ravel(),256); 
plt.show()

img = cv2.imread('clahe.jpg',0) #0表示灰度图 #clahe
equ = cv2.equalizeHist(img) #均衡化
plt.hist(equ.ravel(),256)
plt.show()

img = cv2.imread('clahe.jpg',0) #0表示灰度图 #clahe
equ = cv2.equalizeHist(img) 
res = np.hstack((img,equ)) #均衡前后
cv_show('res',res)

**自适应直方图均衡化 **

img = cv2.imread('clahe.jpg',0) #0表示灰度图 #clahe
equ = cv2.equalizeHist(img) #均衡化
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8)) #生成均衡化的方法
res_clahe = clahe.apply(img)
res = np.hstack((img,equ,res_clahe))
cv_show('res',res)