OpenCV 使用直方图分析图像

直方图是一种图形表示方式，显示了图像中像素强度（范围从0到255）的分布情况。对于一幅数字图像，直方图绘制了像素强度与像素数量之间的关系图。x轴表示强度变化，y轴表示该强度下像素的数量。

OpenCV 使用直方图分析图像

我们可以看到图像及其直方图。通过简单地观察图像的直方图，我们可以对该图像的对比度、亮度、强度分布等有一些基本的了解。

在本文中，我们将编写一个使用OpenCV模块来分析灰度图像和彩色图像的Python程序。

cv2.calcHist()函数

OpenCV提供了一个calcHist()函数来计算一个或多个图像数组的直方图。calcHist()函数的语法如下：

calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate]])

参数

images : 源图像。形式应该是方括号，例如[image]。
channels : 指定要计算直方图的通道索引。如果图像是灰度图像，则其值为[0]；如果图像是彩色图像，则需要分别传递[0]、[1]或[2]来计算蓝、绿或红通道的直方图。
mask : 掩膜图像。如果要找到图像的特定区域的直方图，则必须为非想要的区域创建一个掩膜。如果要找到整个图像的直方图，则为空。
histSize : 直方图大小的数组。
ranges: 通常为[0,256]。

示例

在这个示例中，我们将以灰度模式找到图像的直方图。

import matplotlib.pyplot as plt
import cv2

img = cv2.imread('Images/Dog.jpg')
histogram = cv2.calcHist([img],[0],None,[256],[0,256])

plt.xlabel("Pixel values")
plt.ylabel("Nuber of Pixels")
plt.plot(histogram) 
plt.show()

输出

OpenCV 使用直方图分析图像

示例

让我们在彩色模式下找到一张图像的直方图。

import matplotlib.pyplot as plt
import cv2

image = cv2.imread('Images/Sky and Beach.jpg')
# split the image into its respective channels
channels = cv2.split(image)
colors = ("b", "g", "r")

plt.title("Color Histogram")
plt.xlabel("Pixel values")
plt.ylabel("Nuber of Pixels")

# loop over the image channels
for (chan, color) in zip(channels, colors):

   # create a histogram for the current channel and plot it
   hist = cv2.calcHist([chan], [0], None, [256], [0, 256])
   plt.plot(hist, color=color)
   plt.xlim([0, 256])