Python 图像处理丨如何调用 OpenCV 绘制直方图
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。
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:
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。
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:
绘制的直方图如下所示:
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。
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]
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:
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:
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()
4.代码实现
输出结果如下所示:
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
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
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
2.代码实现
首先计算图像灰度级的基本大小、形状及内容。
输出结果如下所示:
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
输出结果有三条线,如下所示:
最后给出调用 calcHist()计算 B、G、R 灰度级并绘制图形的代码。
输出结果如下图所示:
版权声明: 本文为 InfoQ 作者【华为云开发者联盟】的原创文章。
原文链接:【http://xie.infoq.cn/article/bb5b0484b671d806fafa73c77】。文章转载请联系作者。
评论