Python圖像處理丨如何調用OpenCV繪製直方圖

摘要:本篇文章主要講解灰度直方圖的基本概念,Python調用OpenCV實現繪製圖像直方圖。

本文分享自華爲雲社區《[Python圖像處理] 十一.灰度直方圖概念及OpenCV繪製直方圖》,作者:eastmount。

一. 灰度直方圖基本概念

什麼是灰度直方圖?

灰度直方圖(histogram)是灰度級的函數,描述的是圖像中每種灰度級像素的個數,反映圖像中每種灰度出現的頻率。橫座標是灰度級,縱座標是灰度級出現的頻率。

對於連續圖像,平滑地從中心的高灰度級變化到邊緣的低灰度級。直方圖定義爲:

其中A(D)爲閾值面積函數:爲一幅連續圖像中被具有灰度級D的所有輪廓線所包圍的面積。對於離散函數,固定ΔD爲1,則:H(D)=A(D)-A(D+1)。

色彩直方圖是高維直方圖的特例,它統計色彩的出現頻率,即色彩概率分佈信息。通常這需要一定的量化過程,將色彩分成若干互不重疊的種類。一般不直接在RGB色彩空間中統計,而是在將亮度分離出來後,對代表色彩部分的信息進行統計,如在HSI空間的HS子空間、YUV空間的UV子空間,以及其它反映人類視覺特點的彩色空間表示中進行。

直方圖的計算方法如下:

依據定義,若圖像具有L(通常L=256,即8位灰度級)級灰度,則大小爲MxN的灰度圖像f(x,y)的灰度直方圖hist[0…L-1]可用如下計算獲得。

1、初始化 hist[k]=0; k=0,…,L-1
2、統計 hist[f(x,y)]++; x=0,…,M-1, y =0,…,N-1
3、歸一化 hist[f(x,y)]/=M*N

那麼說了這麼多,直方圖究竟有什麼作用呢?

在使用輪廓線確定物體邊界時,通過直方圖更好的選擇邊界閾值,進行閾值化處理;對物體與背景有較強對比的景物的分割特別有用;簡單物體的面積和綜合光密度IOD可以通過圖像的直方圖求得。

二. 繪製直方圖

1.基礎概念

在直方圖中,橫座標表示圖像中各個像素點的灰度級,縱座標表示具有該灰度級的像素個數。

假設存在一個3*3的圖像,如下圖所示,x數組統計的是像素點的灰度級,y數組統計的是具有該灰度級的像素個數。其中,灰度爲1的像素共3個,灰度爲2的像素共1個,灰度爲3的像素共2個,灰度爲4的像素共1個,灰度爲5的像素共2個。

x = [1, 2, 3, 4, 5]
y = [3, 1, 2, 1, 2]

繪製的折線圖如下所示:

繪製的直方圖如下所示:

如果灰度級爲0-255(最小值0黑色,最大值255白色),同樣可以繪製對應的直方圖,下圖是三張圖片拼接而成及其對應的直方圖。

2.歸一化直方圖

該直方圖的橫座標表示圖像中各個像素點的灰度級,縱座標表示出現這個灰度級的概率。其計算方法如下:

(1) 先計算灰度級及對應像素的個數
x = [1, 2, 3, 4, 5]
t = [3, 1, 2, 1, 2]

(2) 統計總的像素個數
n = (3 + 1 + 2 + 1 +2) = 9

(3) 統計各個灰度級的出現概率
y = t / n = [3/9, 1/9, 2/9, 1/9, 2/9]

3.繪製直方圖

主要調用matplotlib的子庫pyplot實現,它提供了類似於Matlab的繪圖框架,matplotlib是非常強大基礎的一個Python繪圖包。Provides a Matlab-like plotting framework. 導入代碼如下:

import matplotlib.pyplot as plt

其中繪製直方圖主要調用hist函數實現,它根據數據源和像素級繪製直方圖。函數原型如下:

hist(數據源, 像素級)
參數:
數據源必須是一維數組,通常需要通過函數ravel()拉直圖像
像素級一般是256,表示[0, 255]

函數ravel()將多維數組降爲一維數組,格式爲:

一維數組 = 多維數組.ravel()

4.代碼實現

#encoding:utf-8
import cv2  
import numpy as np
import matplotlib.pyplot as plt

src = cv2.imread('test01.jpg')
cv2.imshow("src", src)
cv2.waitKey(0)
cv2.destroyAllWindows()

plt.hist(src.ravel(), 256)
plt.show()

輸出結果如下所示:

三. 使用OpenCV統計繪製直方圖

1.函數原型

前面講解調用matplotlib庫繪製直方圖,接下來講解使用OpenCV統計繪製直方圖的例子。

直方圖橫座標:圖像中各個像素點的灰度級
直方圖縱座標:具有該灰度級的像素個數

主要調用函數calcHist()實現:

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

參數:

  • hist表示直方圖,返回的是一個二維數組
  • images表示原始圖像
  • channels表示指定通道,通道編號需要用中括號括起,輸入圖像是灰度圖像時,它的值爲[0],彩色圖像則爲[0]、[1]、[2],分別表示B、G、R
  • mask表示掩碼圖像,統計整副圖像的直方圖,設爲None,統計圖像的某一部分直方圖時,需要掩碼圖像
  • histSize表示BINS的數量,參數子集的數目,如下圖當bins=3表示三個灰度級
  • ranges表示像素值範圍,例如[0, 255]
  • accumulate表示累計疊加標識,默認爲false,如果被設置爲true,則直方圖在開始分配時不會被清零,該參數允許從多個對象中計算單個直方圖,或者用於實時更新直方圖;多個直方圖的累積結果用於對一組圖像的直方圖計算

2.代碼實現

首先計算圖像灰度級的基本大小、形狀及內容。

#encoding:utf-8
import cv2  
import numpy as np
import matplotlib.pyplot as plt

src = cv2.imread('test01.jpg')
#參數:原圖像 通道[0]-B 掩碼 BINS爲256 像素範圍0-255 
hist = cv2.calcHist([src], [0], None, [256], [0,255])
print(type(hist))
print(hist.size)
print(hist.shape)
print(hist)

輸出結果如下所示:

下面是繪製圖像的代碼,首先補充一些matplotlib庫繪製圖像代碼,也推薦我的文章。
[Python數據挖掘課程] 六.Numpy、Pandas和Matplotlib包基礎知識

#encoding:utf-8
import cv2  
import numpy as np
import matplotlib.pyplot as plt

#繪製sin函數曲線
x1 = np.arange(0, 6, 0.1)
y1 = np.sin(x1)
plt.plot(x1, y1)

#繪製座標點折現
x2 = [0, 1, 2, 3, 4, 5, 6]
y2 = [0.3, 0.4, 2.5, 3.4, 4, 5.8, 7.2]
plt.plot(x2, y2)

#省略有規則遞增的x2參數 
y3 = [0, 0.5, 1.5, 2.4, 4.6, 8]
plt.plot(y3, color="r")

plt.show()

輸出結果有三條線,如下所示:

最後給出調用calcHist()計算B、G、R灰度級並繪製圖形的代碼。

#encoding:utf-8
import cv2  
import numpy as np
import matplotlib.pyplot as plt

src = cv2.imread('test01.jpg')

histb = cv2.calcHist([src], [0], None, [256], [0,255])
histg = cv2.calcHist([src], [1], None, [256], [0,255])
histr = cv2.calcHist([src], [2], None, [256], [0,255])

cv2.imshow("src", src)
cv2.waitKey(0)
cv2.destroyAllWindows()

plt.plot(histb, color='b')
plt.plot(histg, color='g')
plt.plot(histr, color='r')
plt.show()

輸出結果如下圖所示:

 

點擊關注,第一時間瞭解華爲雲新鮮技術~

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章