灰度直方图
-
定义：
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。 -
计算方法：
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 -
作用：
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。
# 使用matplotlib绘制直方图
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('data/test3.jpg')
src = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
plt.figure(figsize=(10,4))
plt.subplot(1,2,1)
plt.imshow(src)
plt.title('src')
plt.xticks([]), plt.yticks([])
# ravel()将多维数组降为一维数组
# hist(数据源, 像素级)
plt.subplot(1,2,2)
plt.hist(src.ravel(), 256)
plt.title('histogram')
plt.show()
image.png
使用OpenCV绘制直方图
hist = cv2.calcHist(images, channels, mask, histSize, ranges, accumulate)
- 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
- 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
import cv2
import numpy as np
import matplotlib.pyplot as plt
src = cv2.imread('data/test3.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])
plt.plot(histb, color='b')
plt.plot(histg, color='g')
plt.plot(histr, color='r')
plt.show()
image.png
网友评论