数据结构
网络
关系数据库管理系统
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
Javascript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会学
时尚研究
法律研究使用直方图分析图像的 OpenCV Python 程序
直方图是一种图形表示，显示图像中像素强度（范围从 0 到 255）是如何分布的。对于数字图像，直方图绘制像素强度与像素数量之间的图形。x 轴表示强度变化，y 轴表示特定强度下的像素数量。
我们可以看到图像及其直方图。通过简单地查看图像的直方图，我们可以对该图像的对比度、亮度、强度分布等有一个基本的了解。
在本文中，我们将使用 OpenCV 模块编写一个 Python 程序，使用直方图来分析灰度图像和彩色图像。
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。以下是 calcHist() 函数的语法：
calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate]])
参数
images：源图像。它应该用方括号给出，即 [image]。
channels：它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，则需要传递 [0]、[1] 或 [2] 来分别计算蓝色、绿色或红色通道的直方图。
mask：掩码图像。如果要查找图像特定区域的直方图，则必须为不需要的区域创建掩码。如果要查找整个图像的直方图，则为 None。
histSize：直方图大小的数组。
ranges：通常为 [0,256]。
示例
在本例中，我们将查找灰度模式下图像的直方图。
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
示例
让我们查找彩色模式下图像的直方图。
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])
输入图像
输出图像
从上面的直方图中，我们可以观察到蓝色在图像中有一些高值区域。
更新于： 2023-05-31
548 次查看
广告