Python 官方文档:入门教程 => 点击学习
这篇“python OpenCV图像直方图如何处理”文章的知识点大部分人都不太理解,所以小编给大家总结了以下内容,内容详细,步骤清晰,具有一定的借鉴价值,希望大家阅读完这篇文章能有所收获,下面我们一起来看看这篇“Python&nb
这篇“python OpenCV图像直方图如何处理”文章的知识点大部分人都不太理解,所以小编给大家总结了以下内容,内容详细,步骤清晰,具有一定的借鉴价值,希望大家阅读完这篇文章能有所收获,下面我们一起来看看这篇“Python OpenCV图像直方图如何处理”文章吧。
首先我们先要了解一下python三大剑客之一——matplotlib
我们都知道matlab作为一个工具是公认的绘图牛,但是我想说的是python下的matplotlib这个超级剑客也是非常厉害的,因为python近年来才火热起来,所以热度没有matlib高,但是matlib可以实现的功能作为python都是差不多可以实现的。
我们回归正题,先来介绍下matplotlib怎么简单的画一个直方图。
import numpy as npimport matplotlib.pyplot as pltx=np.arange(0,5,0.1)y=np.sim(x)plt.plot(x,y)
简单的不能再简单了吧,我们使用它去绘制一个sin(x)的函数图像。
那么matplotlib如何和CV一起工作呢?
import cv2import matplotlib.pyplot as plto=cv2.imread("image\\boatGray.bmp")histb = cv2.calcHist([o],[0],None,[256],[0,255])plt.plot(histb,color='b')plt.show()
结果是(也很好理解吧):
针对于彩色图像我们也可以针对BGR分别作图。
import cv2import matplotlib.pyplot as plto=cv2.imread("image\\girl.bmp")histb = cv2.calcHist([o],[0],None,[256],[0,255])histg = cv2.calcHist([o],[1],None,[256],[0,255])histr = cv2.calcHist([o],[2],None,[256],[0,255])plt.plot(histb,color='b')plt.plot(histg,color='g')plt.plot(histr,color='r')plt.show()
直方图的绘制我们使用的函数还有:函数hist
功能:根据数据源和像素级绘制直方图。
语法: hist(数据源,像素级)
数据源:图像,必须是一维数组。
像素级:一般是256,指[0,255]
功能:将多维数组降为一维数组。格式:一维数组=多维数组.ravel()
import cv2import matplotlib.pyplot as plto=cv2.imread("image\\boat.jpg")cv2.imshow("o",o)cv2.waiTKEy()cv2.destroyAllwindows()plt.hist(o.ravel(),256)
使用OpenCV对图像进行绘制的和横坐标表示像素值比如[0,255],纵坐标表示像素值的个数。
绘制函数:
hist = cv2.calcHist( images, channels, mask, histSize, ranges, accumulate )
其中,hist返回结果是一个直方图,返回的直方图,是一个二维数组。
image原始图像:图像需要使用“[ ]”括起来使用。
channels:
通道编号需要用中括号括起来输入图像是灰度图时,它的值是[0];彩色图像可以是[0],[1],[2]。分别对应通道B,G,R。
mask:掩码图像统计整幅图像的直方图,设为None。统计图像某一部分的直方图时,需要掩码图像。
histSize
BINS的数量,例如【256】
ranges
像素值范围RANGE
accumulate默认值为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,用于对一组图像计算直方图。
使用OpenCV画出直方图:
import cv2import matplotlib.pyplot as plto=cv2.imread("image\\girl.bmp")histb = cv2.calcHist([o],[0],None,[256],[0,255])histg = cv2.calcHist([o],[1],None,[256],[0,255])histr = cv2.calcHist([o],[2],None,[256],[0,255])plt.plot(histb,color='b')plt.plot(histg,color='g')plt.plot(histr,color='r')plt.show()
掩码说实话就是使用掩膜的黑色部分把原始图像的部分给覆盖掉,也称为过滤掉。那么我们怎么做呢?首先我们需要创建一个掩膜:
mask=np.zeros(image.shape,np.uint8)mask[200:400,200:400]=255
首先创建一个全0的和原图像size一致的,然后我们把指定范围指定为白色。然后传入函数内:
import cv2import numpy as npimport matplotlib.pyplot as plt显示直方图image=cv2.imread("image\\girl.bmp",cv2.IMREAD_GRAYSCALE)mask=np.zeros(image.shape,np.uint8)mask[200:400,200:400]=255histMI=cv2.calcHist([image],[0],mask,[256],[0,255])histImage=cv2.calcHist([image],[0],None,[256],[0,255])plt.plot(histImage)plt.plot(histMI)
结果是:
掩膜原理:
说实在的就是与和或的关系,与就是一个不行就都不行。或就是一个行就可以。
而我们的掩膜原理主要用到的就是与操作;
计算结果 = cv2.bitwise_and(图像1,图像2)
import cv2import numpy as npimport matplotlib.pyplot as pltimage=cv2.imread("image\\boat.bmp",0)mask=np.zeros(image.shape,np.uint8)mask[200:400,200:400]=255mi=cv2.bitwise_and(image,mask)cv2.imshow('original',image)cv2.imshow('mask',mask)cv2.imshow('mi',mi)cv2.waitKey()cv2.destroyAllWindows()
在维基百科是这样定义的:
对应在图像上就是:
前提:如果一幅图像占有全部可能的灰度级,并且均匀分布。
结论:该图像具有高对比度和多变的灰度色调。
外观:图像细节丰富,质量更高。
算法:
计算累计直方图
将累计直方图进行区间转换
在累计直方图中,概率相近的原始值,会被处理为相同的值。
1.计算灰度级出现的概率情况
????????:第K个灰度级
????????:第k级灰度的像素个数
N:图像内总像素的个数
L:灰度级最大值,灰度值区间[0,L-1]
2.变换函数
我们把公式表现在图片上就是:
这样就完成了从原始图像计算得到了均衡直方图。
虽然二者相似。但右侧的分布更均衡,相邻像素级概率和与高概率近似相等。可应用到医疗图像处理,车牌识别,人脸识别。
对应函数是:dst = cv2.equalizeHist( src )
import cv2import numpy as npimport matplotlib.pyplot as pltimg = cv2.imread('image\\equ.bmp',cv2.IMREAD_GRAYSCALE)equ = cv2.equalizeHist(img)plt.hist(img.ravel(),256)plt.figure()plt.hist(equ.ravel(),256)
我们处理一下lena,就是这样:
我们有的时候为了方便对比,会想要把几个图放在一张大图中进行比较,那么我们怎么去做呢?有没有一个函数可以完成这个操作呢。
subplot(nrows, ncols, plot_number)
nrows表示行数,ncols表示列数,plot_number表示第几个。subplot(2,3,4)那么就表示2行三列,第四个图。
当每一个参数都小于10时,可以直接书写三个数字,表示为“subplot(234)
import cv2import numpy as npimport matplotlib.pyplot as pltimg = cv2.imread('image\\boatGray.bmp',cv2.IMREAD_GRAYSCALE)equ = cv2.equalizeHist(img)plt.subplot(121),plt.hist(img.ravel(),256)plt.subplot(122),plt.hist(equ.ravel(),256)
imshow(X, cmap=None)
X表示要绘制的图像,cmap表示colORMap,颜色图谱,默认为RGB(A)颜色空间。
灰度图像 :colormap,颜色图谱,默认为RGB(A)颜色空间使用参数cmap=plt.cm.gray
彩色图像 :colormap,颜色图谱,默认为RGB(A)颜色空间,如果使用opencv读入的图像,默认空间为BGR,需要调整色彩空间为RGB。
import cv2import matplotlib.pyplot as plto = cv2.imread('image\\girl.bmp')g=cv2.cvtColor(o, cv2.COLOR_BGR2GRAY)plt.subplot(221)plt.imshow(o),plt.axis('off')plt.subplot(222)plt.imshow(o,cmap=plt.cm.gray),plt.axis('off')plt.subplot(223)plt.imshow(g),plt.axis('off')plt.subplot(224)plt.imshow(g,cmap=plt.cm.gray),plt.axis('off')
第一个图是:彩色图像,使用默认参数。
第二个图是:彩色图像,使用参数cmap=plt.cm.gray
第三个图是:灰色图像,使用默认参数
第四个图是:灰色图像,使用参数cmap=plt.cm.gray
那么只有第四个图是正确的。
对于彩色图像:
import cv2import matplotlib.pyplot as pltimg = cv2.imread('image\\girl.bmp')b,g,r=cv2.split(img)img2=cv2.merge([r,g,b])plt.subplot(121)plt.imshow(img),plt.axis('off')plt.subplot(122)plt.imshow(img2),plt.axis('off')
必须要将BGR split然后merge成RGB才可以。
import cv2import matplotlib.pyplot as pltimg = cv2.imread('image\\boat.bmp',cv2.IMREAD_GRAYSCALE)equ = cv2.equalizeHist(img)plt.subplot(221)plt.imshow(img,cmap=plt.cm.gray),plt.axis('off')plt.subplot(222)plt.imshow(equ,cmap=plt.cm.gray),plt.axis('off')plt.subplot(223)plt.hist(img.ravel(),256)plt.subplot(224)plt.hist(equ.ravel(),256)
以上就是关于“python OpenCV图像直方图如何处理”这篇文章的内容,相信大家都有了一定的了解,希望小编分享的内容对大家有帮助,若想了解更多相关的知识内容,请关注编程网Python频道。
--结束END--
本文标题: python OpenCV图像直方图如何处理
本文链接: https://www.lsjlt.com/news/342149.html(转载时请注明来源链接)
有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
2024-03-01
2024-03-01
2024-03-01
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
回答
回答
回答
回答
回答
回答
回答
回答
回答
回答
0