腳本之家服務(wù)器常用軟件

快捷導(dǎo)航

詳解OpenCV中直方圖,掩膜和直方圖均衡化的實現(xiàn)

更新時間：2022年11月17日 09:32:39 作者：泡泡怡

這篇文章主要為大家詳細介紹了OpenCV中直方圖、掩膜、直方圖均衡化詳細介紹及代碼的實現(xiàn)，文中的示例代碼講解詳細，需要的可以參考一下

一、圖像直方圖

1.1 定義

圖像直方圖是圖像的基本屬性之一，也是反映圖像像素數(shù)據(jù)分布的統(tǒng)計學(xué)特征，其橫坐標代表了圖像像素點在[0,255]范圍中，縱坐標代表圖像像素點出現(xiàn)的個數(shù)或百分比。如圖：

1.2 函數(shù)：cv2.calcHist([img1],[channels],mask,histSize,ranges)

img：輸入圖像

channels:通道，如果輸入的是灰度圖，則此參數(shù)為[0],如果是彩色圖，傳入?yún)?shù)為[0]或[1]或[2]分別對應(yīng)BGR。

mask：掩膜統(tǒng)計整幅圖的直方圖就是None。如果畫某一部分直方圖，需要制作一個掩模圖像并使用。掩模大小和img一樣的np數(shù)組，需要的部分為255，不需要的部分為0.

histSize：直方圖bin的數(shù)目，[0,256]所以就是256。

ranges：像素范圍[0，256]顧頭不顧尾啦。

1.3 代碼實現(xiàn)：

（1）準備工作加灰度圖顯示：

import cv2
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
#顯示圖像
def cv_show(name,img):
    cv2.imshow(name,img)
    cv2.cv2.waitKey(0)
    cv2.destroyAllWindows()
#導(dǎo)入圖像
img1=cv2.imread("C:/Users/bwy/Desktop/lena.bmp",0)
hist=cv2.calcHist([img1],[0],None,[256],[0,256])
print（hist.shape）
plt.hist(img.ravel(),256)
plt.show()

結(jié)果如圖（灰度圖）：

（2）彩色圖三個不同的通道：

img=cv2.imread("C:/Users/bwy/Desktop/7.png")
cv_show('img',img)
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])

結(jié)果如圖：

從上面兩個圖我們就可發(fā)現(xiàn)直方圖很不均勻，可以比喻成不是矮胖的，所以我們接下來進行圖像直方圖均衡化。但是，在此之前我們在學(xué)習(xí)一下掩膜。

二、掩膜（mask)

2.1掩模mask思想：

掩模的大小和原圖像大小一致。掩模中只有兩部分，0和255，掩模中白色部分覆蓋到的區(qū)域保留原圖，黑色部分覆蓋到的區(qū)域置為0。如果我們讀入彩圖，在構(gòu)建np數(shù)組時，需要舍棄第三個維度，即通道。保留前兩個維度img.shape[:2]，掩模的size和原圖像相同。由于mask是一個數(shù)組，可以使用切片方法將保留的位置變成白色255。

2.2代碼：

img.shape[:2]#(420, 607)
#創(chuàng)建mast
mask=np.zeros(img.shape[:2],np.uint8)
mask[100:300,200:400]=255
cv_show('mask',mask)

結(jié)果如圖：

masked_img=cv2.bitwise_and(img1,img1,mask=mask)
cv_show('masked_img',masked_img)

結(jié)果如圖：

2.3掩膜過程對比

plt.subplot(221),plt.imshow(img1)
plt.subplot(222),plt.imshow(mask)
plt.subplot(223),plt.imshow(masked_img)
plt.subplot(224),plt.plot(hist_full),plt.plot(hist_mask)
plt.xlim([0,256])
plt.show()

結(jié)果如圖：

三、直方圖均衡化

通過改變圖像的直方圖，來改變圖像中各像素的灰度，用于增強局部的對比度而不影響整體的對比度。這種方法對于背景和前景都太亮或者太暗的圖像非常有用。

3.1對圖像整體進行均衡化：

（1）進行均衡化后直方圖前后對比顯示：

img=cv2.imread("C:/Users/bwy/Desktop/lena.bmp",0)
plt.hist(img.ravel(),256)
plt.show()
equ=cv2.equalizeHist(img)
plt.hist(equ.ravel(),256)
plt.show()

結(jié)果對比圖：

（2）進行均衡化后圖像前后對比顯示：

img=cv2.imread("C:/Users/bwy/Desktop/lena.bmp",0)
equ=cv2.equalizeHist(img)
res=np.hstack((img,equ))
cv_show('res',res)

但是呢，這個方法也存在微瑕，那看一下如果我用下面這張圖你就會發(fā)現(xiàn)了：

我們會發(fā)現(xiàn)這個帥鍋的臉太亮了，我們觀察不到細節(jié)了，細節(jié)丟失了，所以這個問題我們?nèi)绾谓鉀Q呢?

3.2 自適應(yīng)均衡化

1、定義：

整幅圖像會被分成很多小塊，然后再對每一個小塊分別進行直方圖均衡化。缺點是：如果有噪聲的話，噪聲會被放大。為了避免這種情況的出現(xiàn)要使用對比度限制。

2、代碼：

img2=cv2.imread("C:/Users/bwy/Desktop/1.png",0)
img2.shape#(508, 672)
img3=cv2.resize(img2,(400,300))
equ1=cv2.equalizeHist(img3)
clahe=cv2.createCLAHE(clipLimit=2.0,tileGridSize=(8,8))
res_clahe=clahe.apply(img3)
res=np.hstack((img3,equ1,res_clahe))
cv_show('res',res)

結(jié)果如圖：