快捷導(dǎo)航

opencv python統(tǒng)計及繪制直方圖的方法

更新時間：2019年01月21日 11:46:21 作者：天煞孤星0嚴(yán)

這篇文章主要介紹了opencv python統(tǒng)計及繪制直方圖的方法，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧

灰度直方圖概括了圖像的灰度級信息，簡單的來說就是每個灰度級圖像中的像素個數(shù)以及占有率，創(chuàng)建直方圖無外乎兩個步驟，統(tǒng)計直方圖數(shù)據(jù)，再用繪圖庫繪制直方圖。

統(tǒng)計直方圖數(shù)據(jù)

首先要稍微理解一些與函數(shù)相關(guān)的術(shù)語，方便理解其在python3庫中的應(yīng)用和處理

BINS: 在上面的直方圖當(dāng)中，如果像素值是0到255，則需要256個值來顯示直方圖。但是，如果不需要知道每個像素值的像素數(shù)目，只想知道兩個像素值之間的像素點數(shù)目怎么辦？例如，想知道像素值在0到15之間的像素點數(shù)目，然后是16到31。。。240到255?？梢詫?56個值分成16份，每份計算綜合。每個分成的小組就是一個BIN（箱）。在opencv中使用histSize表示BINS。

DIMS: 數(shù)據(jù)的參數(shù)數(shù)目。當(dāng)前例子當(dāng)中，對收集到的數(shù)據(jù)只考慮灰度值，所以該值為1。

RANGE: 灰度值范圍，通常是[0,256]，也就是灰度所有的取值范圍。

統(tǒng)計直方圖同樣有兩種方法，使用opencv統(tǒng)計直方圖，函數(shù)如下：

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

該函數(shù)的參數(shù)在了解以上術(shù)語加上自己百度后可以簡單應(yīng)用

使用numpy統(tǒng)計函數(shù)，主要應(yīng)用 numpy.histogram() 函數(shù)（還有 np.bincount() ，還未嘗試，讀者可以自己嘗試，大抵使用方法相同）

hist,bins = np.histogram(img.ravel(),256,[0,256])

opencv處理速度優(yōu)于numpy，同時對于學(xué)習(xí)opencv的同學(xué)來說，多運用cv的處理方法無疑更利于學(xué)習(xí)。

繪制直方圖

繪制直方圖一般使用Matplotlib繪制，這里要提一下matplotlib的 matplotlib.pyplot.hist() 函數(shù)，該函數(shù)可以直接統(tǒng)計繪制中方圖。統(tǒng)計函數(shù)為 calcHist() 或 np.histogram()
這是處理的樣圖

下面是代碼實現(xiàn)

import cv2
import numpy as np
from matplotlib import pyplot as plt

img = cv2.imread('/home/yc/Pictures/cat.jpg',0)
plt.hist(img.ravel(),256,[0,256]);
plt.show()

效果

灰度直方圖

當(dāng)然，在顏色圖像檢索之類用法時，我們需要的是BGR直方圖，原理類似，統(tǒng)計時使用 cv2.calcHist()

函數(shù)

import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('/home/yc/Pictures/cat.jpg',1)
color = ('b','g','r')
for i,col in enumerate(color):
  histr = cv2.calcHist([img],[i],None,[256],[0,256])
  plt.plot(histr,color = col)
  plt.xlim([0,256])
plt.show()

效果如下

BGR直方圖

此外，再介紹一種很原始的計算灰度直方圖的方法……感覺代碼注釋的很完整，相信讀者也可以看懂

import sys
import numpy as np
import cv2
import matplotlib.pyplot as plt

def main():
  img=cv2.imread('/home/yc/Pictures/cat.jpg',0)
  #得到計算灰度直方圖的值
  xy=xygray(img)  

  #畫出灰度直方圖
  x_range=range(256)
  plt.plot(x_range,xy,"r",linewidth=2,c='black')
  #設(shè)置坐標(biāo)軸的范圍
  y_maxValue=np.max(xy)
  plt.axis([0,255,0,y_maxValue])
  #設(shè)置坐標(biāo)軸的標(biāo)簽
  plt.xlabel('gray Level')
  plt.ylabel("number of pixels")
  plt.show()

def xygray(img):
  #得到高和寬
  rows,cols=img.shape
  #存儲灰度直方圖
  xy=np.zeros([256],np.uint64)
  for r in range(rows):
    for c in range(cols):
      xy[img[r][c]] += 1
  #返回一維ndarry
  return xy

main()

效果如下