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?cái)?shù)據(jù)分布的統(tǒng)計(jì)學(xué)特征，其橫坐標(biāo)代表了圖像像素點(diǎn)在[0,255]范圍中，縱坐標(biāo)代表圖像像素點(diǎn)出現(xiàn)的個(gè)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(duì)應(yīng)BGR。

mask：掩膜統(tǒng)計(jì)整幅圖的直方圖就是None。如果畫(huà)某一部分直方圖，需要制作一個(gè)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(shí)現(xiàn)：

（1）準(zhǔn)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(gè)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(gè)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(lái)進(jìn)行圖像直方圖均衡化。但是，在此之前我們?cè)趯W(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(shí)，需要舍棄第三個(gè)維度，即通道。保留前兩個(gè)維度img.shape[:2]，掩模的size和原圖像相同。由于mask是一個(gè)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(guò)程對(duì)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(guò)改變圖像的直方圖，來(lái)改變圖像中各像素的灰度，用于增強(qiáng)局部的對(duì)比度而不影響整體的對(duì)比度。這種方法對(duì)于背景和前景都太亮或者太暗的圖像非常有用。

3.1對(duì)圖像整體進(jìn)行均衡化：

（1）進(jìn)行均衡化后直方圖前后對(duì)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(duì)比圖：

（2）進(jìn)行均衡化后圖像前后對(duì)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(gè)方法也存在微瑕，那看一下如果我用下面這張圖你就會(huì)發(fā)現(xiàn)了：

我們會(huì)發(fā)現(xiàn)這個(gè)帥鍋的臉太亮了，我們觀察不到細(xì)節(jié)了，細(xì)節(jié)丟失了，所以這個(gè)問(wèn)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(huì)被分成很多小塊，然后再對(duì)每一個(gè)小塊分別進(jìn)行直方圖均衡化。缺點(diǎn)是：如果有噪聲的話，噪聲會(huì)被放大。為了避免這種情況的出現(xiàn)要使用對(duì)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：

以上就是詳解OpenCV中直方圖,掩膜和直方圖均衡化的實(shí)現(xiàn)的詳細(xì)內(nèi)容，更多關(guān)于OpenCV直方圖 掩膜 直方圖均衡化的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！