opencv python统计及绘制直方图的方法

更新时间：2020-06-21 20:00:01 作者：startmvc

灰度直方图概括了图像的灰度级信息，简单的来说就是每个灰度级图像中的像素个数以及占

灰度直方图概括了图像的灰度级信息，简单的来说就是每个灰度级图像中的像素个数以及占有率，创建直方图无外乎两个步骤，统计直方图数据，再用绘图库绘制直方图。

统计直方图数据

首先要稍微理解一些与函数相关的术语，方便理解其在python3库中的应用和处理

BINS: 在上面的直方图当中，如果像素值是0到255，则需要256个值来显示直方图。但是，如果不需要知道每个像素值的像素数目，只想知道两个像素值之间的像素点数目怎么办？例如，想知道像素值在0到15之间的像素点数目，然后是16到31。。。240到255。可以将256个值分成16份，每份计算综合。每个分成的小组就是一个BIN（箱）。在opencv中使用histSize表示BINS。

DIMS: 数据的参数数目。当前例子当中，对收集到的数据只考虑灰度值，所以该值为1。

RANGE: 灰度值范围，通常是[0,256]，也就是灰度所有的取值范围。

统计直方图同样有两种方法，使用opencv统计直方图，函数如下：


cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate]])

该函数的参数在了解以上术语加上自己百度后可以简单应用

使用numpy统计函数，主要应用 numpy.histogram() 函数（还有 np.bincount() ，还未尝试，读者可以自己尝试，大抵使用方法相同）


hist,bins = np.histogram(img.ravel(),256,[0,256])

opencv处理速度优于numpy，同时对于学习opencv的同学来说，多运用cv的处理方法无疑更利于学习。

绘制直方图

绘制直方图一般使用Matplotlib绘制，这里要提一下matplotlib的 matplotlib.pyplot.hist() 函数，该函数可以直接统计绘制中方图。统计函数为 calcHist() 或 np.histogram() 这是处理的样图

下面是代码实现


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

img = cv2.imread('/home/yc/Pictures/cat.jpg',0)
plt.hist(img.ravel(),256,[0,256]);
plt.show()

效果

灰度直方图

当然，在颜色图像检索之类用法时，我们需要的是BGR直方图，原理类似，统计时使用 cv2.calcHist()

函数


import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('/home/yc/Pictures/cat.jpg',1)
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()

效果如下

BGR直方图

此外，再介绍一种很原始的计算灰度直方图的方法……感觉代码注释的很完整，相信读者也可以看懂


import sys
import numpy as np
import cv2
import matplotlib.pyplot as plt

def main():
 img=cv2.imread('/home/yc/Pictures/cat.jpg',0)
 #得到计算灰度直方图的值
 xy=xygray(img) 

 #画出灰度直方图
 x_range=range(256)
 plt.plot(x_range,xy,"r",linewidth=2,c='black')
 #设置坐标轴的范围
 y_maxValue=np.max(xy)
 plt.axis([0,255,0,y_maxValue])
 #设置坐标轴的标签
 plt.xlabel('gray Level')
 plt.ylabel("number of pixels")
 plt.show()

def xygray(img):
 #得到高和宽
 rows,cols=img.shape
 #存储灰度直方图
 xy=np.zeros([256],np.uint64)
 for r in range(rows):
 for c in range(cols):
 xy[img[r][c]] += 1
 #返回一维ndarry
 return xy

main()

效果如下