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

开启你的 职业生涯

通过完成课程获得认证

开始学习
广告