OpenCV之图像直方图

1. 图像直方图

图像直方图是指对图像的像素点进行统计，计算各个像素值的频数并通过直方图的方式呈现出来的统计手段，将图像中像素值的分布情况可视化，直方图的统计在OpenCV中只需要调用一个API——calcHist(),直方图展示需要用到matplotlib，具体如下：

import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np
path = "C:\\Users\\27914\\Desktop\\images\\test2.jpg"
image = cv.imread(path)
colors = ("blue","green","red")
cv.imshow("image",image)
for i in range(3):
    hist = cv.calcHist([image],[i],None,[256],[0,256])
    plt.plot(hist,color = colors[i])
    plt.xlim((0,256))
plt.show()
cv.waitKey(0)
cv.destroyAllWindows()

参数解释：images是传入的图像数据的列表，所以无论数量多少均要以列表的形式传入
channels是要计算的通道数构成的列表，也需要以列表的形式传入，mask为掩码，一般值为None，表示处理整张图像，也可自定义处理的图像范围，histsize是直方图要分成多少份，ranges是取值范围（左闭右开），最后两个为可选参数，hist为返回的值赋给谁，accumulate为布尔值，表示直方图是否要叠加。
上面例子的输出：
原图：

直方图：

可以看到在每个通道中都有一个波峰（有时可能会有多个），我们可以根据波峰的位置进行图像处理，比如图像的二值化处理，图像分割等

2. 图像直方图均衡化

对图像进行直方图均衡化处理，即是将图像像数值的分布更加均衡，但保留基本的图像信息，这样的操作可以使降低高噪声但会增强低噪声。OpenCV只支持对灰度图像进行直方图均衡化，故必须对图像进行色彩空间转换，直方图均衡化也比较简单，call一下API即可，
具体如下：

import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np
path = "C:\\Users\\27914\\Desktop\\images\\test2.jpg"
image = cv.imread(path,cv.IMREAD_GRAYSCALE)#必须为灰度图像
dst = cv.equalizeHist(image)
cv.imshow("image",image)
cv.imshow("result",dst)
hist1 = cv.calcHist([image],[0],None,[256],[0,256])
hist2 = cv.calcHist([dst],[0],None,[256],[0,256])
plt.plot(hist1,color = "red")
plt.plot(hist2,color = "blue")
plt.xlim((0,256))
plt.show()
cv.waitKey(0)
cv.destroyAllWindows()

直方图均衡化只需要将要处理的图像传入equalizeHist()即可，直方图均衡化对图像的影响如下：
原图：

均衡化后：

两者直方图对比（红色为原图，蓝色为处理后的图像）

直方图均衡化适用于图像有用信息与其他信息对比度较大的情况下，如果在某些区域对比度不高，均衡化后使图像的细节受到损害，因此可以采取局部的均衡化处理。

3. 二维的直方图

二维的图像直方图是指对两个通道的像素值的分布进行统计，实际上在运用时是对HSV色彩空间的图像求二维的直方图，因为在HSV色彩空间中只有H和S通道与色彩相关，同时统计两个通道可以对图像的颜色分布有进一步的信息提取，具体如下：

import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np
path = "C:\\Users\\27914\\Desktop\\images\\test2.jpg"
image = cv.imread(path)
hsv = cv.cvtColor(image,cv.COLOR_BGR2HSV)
hist = cv.calcHist([hsv],[0,1],None,[48,48],[0,180,0,256])
dst = cv.resize(hist,(400,400))
cv.normalize(dst,dst,0,255,cv.NORM_MINMAX)
dst = cv.applyColorMap(np.uint8(dst),cv.COLORMAP_JET)
cv.imshow("hist",dst)
plt.imshow(dst,interpolation="nearest")
plt.title("hist")
plt.show()
cv.waitKey(0)
cv.destroyAllWindows()

输出：


虽然名字叫二维的直方图，但是个人认为所得出的直方图应该是三维的，所统计的是不同颜色的不同深度在图像中的分布情况，其样式类似与热度图，可以在直方图中直截了当地看出图像中最重要的颜色是哪一种，依此可以进行图像的跟踪监测等操作