OpenCV Python – 如何计算和绘制图像区域的直方图？

在 OpenCV 中，我们使用 `cv2.calcHist()` 函数来计算图像的直方图。我们可以使用此函数来计算图像区域的直方图。要计算图像中某个区域的直方图，首先我们定义一个掩码。掩码中的白色表示要检查原始输入图像中的区域，而掩码图像中的黑色表示要忽略的区域。现在我们计算直方图，并将此掩码作为参数传递给函数。

步骤

要计算和绘制图像区域的直方图，可以按照以下步骤操作：

导入所需的库 **OpenCV、NumPy** 和 **matplotlib。** 请确保您已经安装了它们。
使用 `cv2.imread()` 方法读取输入图像。指定图像的完整路径。
为我们的图像定义一个掩码。掩码图像中的黑色表示要忽略的区域，白色表示要检查原始输入图像中的区域。
使用 `cv2.split()` 函数分割输入图像的不同通道（蓝色、绿色和红色）。
使用上面定义的掩码计算输入图像不同通道的直方图。绘制输入图像不同颜色的直方图。

hist = cv2.calcHist([channel], [0], mask, [256], [0, 256])

要可视化输入图像的掩码区域，请对输入图像与掩码图像执行 `cv2.bitwise_and()` 操作。它会创建一个输入图像的掩码区域。

让我们看一些例子，以便更好地理解这个问题。

输入

我们在下面的示例中使用以下图像作为输入文件。

示例

在此示例中，我们计算输入图像矩形区域的直方图并绘制直方图。

# import required libraries
import cv2
from matplotlib import pyplot as plt
import numpy as np

# Read the input image
img = cv2.imread('architecture2.jpg')

# define a function to compute and plot histogram
def plot_histogram(img, title, mask=None):
   # split the image into blue, green and red channels
   channels = cv2.split(img)
   colors = ("b", "g", "r")
   plt.title(title)
   plt.xlabel("Bins")
   plt.ylabel("# of Pixels")
   # loop over the image channels
   for (channel, color) in zip(channels, colors):
      # compute the histogram for the current channel and plot it
      hist = cv2.calcHist([channel], [0], mask, [256], [0, 256])
      plt.plot(hist, color=color)
      plt.xlim([0, 256])

# define a mask for our image; black for regions to ignore

# and white for regions to examine
mask = np.zeros(img.shape[:2], dtype="uint8")
cv2.rectangle(mask, (160, 130), (410, 290), 255, -1)

# display the masked region
masked = cv2.bitwise_and(img, img, mask=mask)

# compute a histogram for masked image
plot_histogram(img, "Histogram for Masked Image", mask=mask)

# show the plots
plt.show()
cv2.imshow("Mask", mask)
cv2.imshow("Mask Image", masked)
cv2.waitKey(0)