使用OpenCV，Numpy计算直方图，Matplot绘制直方图及分析

Posted 2021-08-26 程序媛一枚~

使用OpenCV，Numpy计算直方图，Matplot绘制直方图及分析

• • 1. 效果图
  • 2. 原理
  • 3. 源码
  • • 3.1 直方图3种计算方法和2种绘制方法
    • 3.2 Mask遮罩图像直方图
  • 参考

这篇博客将介绍如何使用Python，OpenCV，Numpy函数计算直方图，并使用 OpenCV 和 Matplotlib 函数绘制直方图，并对直方图进行分析。

通过查看图像的直方图，可以直观地了解该图像的对比度、亮度、强度分布等。

1. 效果图

原始图如下：

灰度图直方图效果如下：

可以看到左侧区域显示图像中较暗像素的数量，右侧区域显示较亮像素的数量。从直方图中可以看到暗区、亮区均不多，并且中间色调（中间范围的像素值，例如 170/210 左右）的数量非常多。

BGR三通道的直方图效果图下：

原始图 VS Mask遮罩 VS Mask图像 VS 混合直方图如下：
在第4个直方图中，蓝线表示完整图像的直方图，红线表示遮罩区域的直方图。

2. 原理

直方图可以帮助全面了解图像的强度分布。 最基本的直方图是灰度图像直方图，在 X 轴上具有像素值（范围从 0 到 255）和 Y 轴上图像中相应像素数的图。

计算直方图的3种方式：

• hist = cv2.calcHist([img],[0],None,[256],[0,256])
• hist,bins = np.histogram(img.ravel(),256,[0,256])
• np.bincount(img.ravel(),minlength=256)

其中cv2的方式比np.histogram快40倍；
np.bincount比np.histogram快10倍，因此优先使用cv2.calHist()方式；

绘制直方图的2种方式：

• matplot计算直方图并绘制：plt.hist(img.ravel(),256,[0,256]); plt.show()
• matplot的简单绘制方式：histr = cv2.calcHist([img],[i],None,[256],[0,256])
  plt.plot(histr,color = col)
  plt.xlim([0,256])

3. 源码

3.1 直方图3种计算方法和2种绘制方法

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

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

# cv计算直方图
# cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate]])
# - img：要计算直方图的图像
# - channels：通道值，如果传入灰度图为0，彩色图[0][1][2]分别计算BGR通道
# - mask：蒙版，并非为整个图计算直方图
# - histSize：x轴分多少个范围
# - ranges: 值的范围，通常是[0,256]
hist = cv2.calcHist([img], [0], None, [256], [0, 256])

# numpy计算直方图
#  np.bincount() 比 np.histogram() 大概快10倍
#  cv2.calHist() 比 np.histogram() 大概快40倍
hist, bins = np.histogram(img.ravel(), 256, [0, 256])
hist = np.bincount(img.ravel(), minlength=256)

# 绘制直方图法1：matplot
img = cv2.imread('ml.jpg', 0)
plt.hist(img.ravel(), 256, [0, 256])
plt.show()

# 绘制直方图法2：matplot普通绘制方式
img = cv2.imread('ml.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])
plt.show()

3.2 Mask遮罩图像直方图

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

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

# 构造一个mask
mask = np.zeros(img.shape[:2], np.uint8)
mask[100:300, 100:400] = 255
masked_img = cv2.bitwise_and(img, img, mask=mask)

# 计算整个图直方图以及mask的直方图
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, color='b'), plt.plot(hist_mask, color='r')
plt.xlim([0, 256])

plt.show()

参考

• https://docs.opencv.org/3.0-beta/doc/py_tutorials/py_imgproc/py_histograms/py_histogram_begins/py_histogram_begins.html#histograms-getting-started