OpenCV—python 颜色直方图与直方图均衡化[通俗易懂]

OpenCV—python 颜色直方图与直方图均衡化[通俗易懂]一、读取图片并展示:颜色直方图OpenCV-Python中调用的直方图计算函数为cv2.calcHist。"""hist=cv2.calcHist([image],#传入图像(列表)[0],#使用的通道(使用通道:可选[0],[1],[2])…

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺

一、颜色直方图

1.1 使用opencv展示直方图
函数
cv2.calcHist(image,channels,mask,histSize,ranges) -> list

image: array为待计算直方图的图像
channels:list 通道,RGB图像可以指定[0,1,2],灰度图像只有[0],
mask 掩码,可以指定图像的范围,如果是全图,默认为none
hitsize 为直方图的灰度级数,例如[0,255]一共256级
range 为像素值范围,为[0,255]

下面三个函数功能在RGB图像处理下差不多,请自行查阅资料
np.histogram()
np.bincount()
cv2.calcHist()

import cv2    
import numpy as np


def calcAndDrawHist(image, color):  
    hist= cv2.calcHist([image], [0], None, [256], [0.0,255.0])  
    minVal, maxVal, minLoc, maxLoc = cv2.minMaxLoc(hist)  
    histImg = np.zeros([256,256,3], np.uint8)  
    hpt = int(0.9* 256);  
      
    for h in range(256):  
        intensity = int(hist[h]*hpt/maxVal)  
        cv2.line(histImg,(h,256), (h,256-intensity), color)  
    return histImg


if __name__ == '__main__':  
    original_img = cv2.imread("666.png")
    b, g, r = cv2.split(img)  
  
    histImgB = calcAndDrawHist(b, [255, 0, 0])  
    histImgG = calcAndDrawHist(g, [0, 255, 0])  
    histImgR = calcAndDrawHist(r, [0, 0, 255])  

    cv2.imshow("histImgB", histImgB)  
    cv2.imshow("histImgG", histImgG)  
    cv2.imshow("histImgR", histImgR)  
    cv2.imshow("Img", img)  
    cv2.waitKey(0)  
    cv2.destroyAllWindows() 

在这里插入图片描述

1.2 使用matplotlib绘制

matplotlib.pyplot.plot(hist,color)进行绘制

plt.hist(img.ravel(),hitsizes,ranges,color=)

img.ravel()将原图像的array数组转成一维的数组


hitsizes为直方图的灰度级数


ranges为灰度范围[0,255]


color使用color=’’来指定颜色
展示方法:
hist = cv2.calcHist([res],[0],None,[256],[0,255])
plt.plot(hist,'r')
plt.show()
=======================================================
plt.hist(res.ravel(), 256, [0, 256],color='r')
plt.show()

二、直方图均衡化

为什么要进行直方图均衡化呢?我们日常拍照时,背对太阳时或晚上出现图像欠曝,面对太阳拍照会出现过曝,图像均衡可以通过图像直方图均衡来调整图像,也可以通过 γ \gamma γ 校正,来校正图片。

图像的直方图是对图像对比度效果上的一种处理,旨在使得图像整体效果均匀,黑与白之间的各个像素级之间的点更均匀一点。亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度,直方图均衡化通过有效地扩展常用的亮度来实现这种功能。(直接效果展示)
在这里插入图片描述
cv2.equalizeHist(img) 均衡化的原图像【输入img:单通道图像】则返回值即为均衡化后的图像。

2.1 全局直方图均衡化与自适应均衡化
import cv2
import numpy as np
 
img = cv2.imread('0002.jpg',0)
 
img1 = cv2.equalizeHist(img)                               # 全局直方图均衡化
clahe = cv2.createCLAHE(clipLimit=2.0,tileGridSize=(8,8))  # 自适应直方图均衡化
cll = clahe.apply(img)
 
res = np.hstack((img,img1,cll))
cv2.imwrite("res.jpg",res)

显然全局直方图均衡化效果不好,造成部分过曝,部分细节消失。
如下图:依次是原图;全局直方图均衡化;自适应直方图均衡化
在这里插入图片描述

2.2 使用查找表来拉伸直方图

在图像处理中,直方图均衡化一般用来均衡图像的强度,或增加图像的对比度。
观察上图中原始图像的直方图,很容易发现大部分强度值范围都没有用到。
因此先检测图像非0的最低(imin)强度值和最高(imax)强度值。
将最低值imin设为0,最高值imax设为255。中间的按255.0*(i-imin)/(imax-imin)+0.5)的形式设置。

import cv2
import numpy as np
 
image = cv2.imread("ABC.png", 0)
lut = np.zeros(256, dtype = image.dtype )                  #创建空的查找表
 
hist,bins = np.histogram(image.flatten(),256,[0,256]) 
cdf = hist.cumsum()                                        #计算累积直方图
cdf_m = np.ma.masked_equal(cdf,0)                          #除去直方图中的0值
cdf_m = (cdf_m - cdf_m.min())*255/(cdf_m.max()-cdf_m.min())#等同于前面介绍的lut[i] = int(255.0 *p[i])公式
cdf = np.ma.filled(cdf_m,0).astype('uint8')                #将掩模处理掉的元素补为0
 
#计算
result2 = cdf[image]
result = cv2.LUT(image, cdf)
 
cv2.imshow("OpenCVLUT", result)
cv2.imshow("NumPyLUT", result2)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这里插入图片描述

import cv2
import numpy as np
 
image = cv2.imread("ABC.png", 0)
lut = np.zeros(256, dtype = image.dtype )  # 创建空的查找表
hist= cv2.calcHist([image],[0],None,[256],[0.0,255.0])
minBinNo, maxBinNo = 0, 255

for binNo, binValue in enumerate(hist):         #计算从左起第一个不为0的直方图柱的位置
    if binValue != 0:
        minBinNo = binNo
        break

for binNo, binValue in enumerate(reversed(hist)):#计算从右起第一个不为0的直方图柱的位置
    if binValue != 0:
        maxBinNo = 255-binNo
        break
print(minBinNo, maxBinNo)
 
for i,v in enumerate(lut):                      #生成查找表,方法来自参考文献1第四章第2节
    print(i)
    if i < minBinNo:
        lut[i] = 0
    elif i > maxBinNo:
        lut[i] = 255
    else:
        lut[i] = int(255.0*(i-minBinNo)/(maxBinNo-minBinNo)+0.5)

#计算
result = cv2.LUT(image, lut)
cv2.imshow("hist", hist)
cv2.imshow("Result", result)
cv2.waitKey(0)
cv2.destroyAllWindows()
2.3 直方图均衡化—RGB2YCrCb

方法:将RGB彩色图像先转换到YPbPr空间,然后只对亮度通道进行全局直方图均衡化和自适应直方图均衡化,最后再将亮度通道和PbPr通道合并形成彩色图像,然后再转换回RGB空间中。
代码详细:https://docs.opencv2.org/4.1.0/d5/daf/tutorial_py_histogram_equalization.html

import numpy as np
import cv2


# RGB图像全局直方图均衡化
def hisEqulColor1(img):
    ycrcb = cv2.cvtColor(img, cv2.COLOR_BGR2YCR_CB)
    channels = cv2.split(ycrcb)
    cv2.equalizeHist(channels[0], channels[0])   # 对第1个通道即亮度通道进行全局直方图均衡化并保存
    ycrcb = cv2.merge(channels)
    img = cv2.cvtColor(ycrcb, cv2.COLOR_YCR_CB2BGR)
    return img


# RGB图像进行自适应直方图均衡化,代码同上的地方不再添加注释
def hisEqulColor2(img):
    ycrcb = cv2.cvtColor(img, cv2.COLOR_BGR2YCR_CB)
    channels = cv2.split(ycrcb)
    clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
    clahe.apply(channels[0], channels[0])

    ycrcb = cv2.merge(channels)
    img = cv2.cvtColor(ycrcb, cv2.COLOR_YCR_CB2BGR)
    return img

if __name__ == '__main__':
    img = cv2.imread(r'C:\Users\xxx\Desktop\004.png')
    img1 = img.copy()
    img2 = img.copy()

    res1 = hisEqulColor1(img1)
    res2 = hisEqulColor2(img2)

    res = np.hstack((img, res1, res2))
    cv2.imwrite(r'C:\Users\xxx\Desktop\res1.jpg', res)

如下图:依次是原图;全局直方图均衡化;自适应直方图均衡化
在这里插入图片描述

2.4 直方图均衡化—RGB2YUV
import numpy as np
import cv2


# 全局直方图均衡化
def hisEqulColor1(img):
    image_yuv = cv2.cvtColor(img, cv2.COLOR_BGR2YUV)
    image_yuv[:, :, 0] = cv2.equalizeHist(image_yuv[:, :, 0])
    img = cv2.cvtColor(image_yuv, cv2.COLOR_YUV2BGR)
    return img


# 自适应直方图均衡化
def hisEqulColor2(img):
    image_yuv = cv2.cvtColor(img, cv2.COLOR_BGR2YUV)
    clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
    clahe.apply(image_yuv[:, :, 0])
    img = cv2.cvtColor(image_yuv, cv2.COLOR_YUV2BGR)
    return img

if __name__ == '__main__':
    img = cv2.imread(r'C:\Users\xxx\Desktop\004.png')
    img1 = img.copy()
    img2 = img.copy()

    res1 = hisEqulColor1(img1)
    res2 = hisEqulColor2(img2)

    res = np.hstack((img, res1, res2))
    cv2.imwrite(r'C:\Users\xxx\Desktop\res4.jpg', res)

如下图:依次是原图;全局直方图均衡化;自适应直方图均衡化
在这里插入图片描述
仔细观察 RGB2YUV与RGB2YCrCb 自适应直方图均衡化结果:个人觉得RGB2YUV的暗部细节更多一些。

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/179721.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

  • goland 2021.5 x64永久激活码(最新序列号破解)

    goland 2021.5 x64永久激活码(最新序列号破解),https://javaforall.cn/100143.html。详细ieda激活码不妨到全栈程序员必看教程网一起来了解一下吧!

  • matlab 累加合,matlab循环语句for累加[通俗易懂]

    matlab 累加合,matlab循环语句for累加[通俗易懂]Matlabfor循环语句没仔细研究你那个拟合函数的用法。不过像这种需要分段处理数据的情况很多,有种在matlab里很常用的技巧感觉你可以学学:假设原始数据(xdata)是一列100个数,你需要一次处理13个,那么下面这段代码先将这100数“折叠”成一个13行的矩阵(x)。我这个例子里是折叠成13*8的矩阵了。因为100不能整除13,所以会在最后补零。如果你…

  • vim选中复制粘贴_vim 复制一行并且粘贴

    vim选中复制粘贴_vim 复制一行并且粘贴vim有12个粘贴板        ”代表全局粘贴板:reg查看粘贴板    “Np 粘贴其中一个:n,mcon 从第几行到第几行复制到第几行后:n,mmn 从第几行到第几行移动第几行后:n,md   从第几行到第几行删除:n,mwfilename 从第几行到第几行保存文件:savfilena

  • ASP.NET MVC 控制器激活(一)

    ASP.NET MVC 控制器激活(一)

  • reaver 使用方法和技巧

    reaver 使用方法和技巧reaver非常的不错,为我们ceng网带了最大的方便,使用简单,我来讲一下自己使用心得吧!第一步,如果用虚拟机用vmware的,总会出现鼠标不灵点不到地方,换了一个6.0.2build-59824版本后,鼠标变的非常的好用。但是自己还是想用新版,所以在网上看到说是选择linux系统就可以,自己就打开–编辑虚拟机设置—选项—虚拟名称—linux—ubuntu,试了一下鼠

  • CGLIB介绍与原理「建议收藏」

    CGLIB介绍与原理「建议收藏」CGLIB介绍与原理(部分节选自网络)一、什么是CGLIB?CGLIB是一个功能强大,高性能的代码生成包。它为没有实现接口的类提供代理,为JDK的动态代理提供了很好的补充。通常可以使用Java的动态代理创建代理,但当要代理的类没有实现接口或者为了更好的性能,CGLIB是一个好的选择。二、CGLIB原理CGLIB原理:动态生成一个要代理类的子类,子类重写要代理的类的所有不是final

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号