原理#

​ 从统计的角度讲，直方图是关于图像内灰度值的统计特性与图像灰度值之间的函数，直方图统计图像内各个灰度级出现的次数。从直方图的图形上观察，横坐标是图像中各像素点的灰度级，纵坐标是具有该灰度级的像素个数。

• 示例

  • 图像：

    

  • 灰度级次数统计：

    

  • 直方图：

    

直方图归一化#

​ 在归一化的直方图中， x轴仍然表示灰度级， y轴不再表示灰度级出现的次数，而是表示灰度级出现的频率。

• 示例

  • 图像：

    

  • 灰度级频率统计：灰度级出现的频率 = 灰度级出现的次数 / 总像素数

    

  • 直方图归一化：

    

dims、range、bins#

• dims：在绘制直方图时，收集的参数的数量。一般情况下，直方图中收集的数据 只有一种，就是灰度级。因此，该值默认为1。
• range：表示要统计的灰度级范围，一般为[0, 255]。0对应的是黑色，255对应的是 白色。
• bins：参数子集的数目。对于灰度级区间为[0, 255]的图像，其BINS值就是256。

matplotlib.pyplot.hist()#

• 使用函数matplotlib.pyplot.hist()，可以根据数据源和灰度级分组绘制直方图
  • 函数原型：matplotlib.pyplot.hist(X, BINS)
  • 参数说明：
    • X：数据源，必须是一维的。图像通常是二维的，需要使用 ravel()函数 将图像处理为一维数据源以后，再作为参数使用。
    • BINS：灰度级的分组数。
• 示例

1
import cv2
2
import matplotlib.pyplot as plt
3

4
img = cv2.imread("color.png")
5

6
cv2.imshow("color", img)
7

8
plt.hist(img.ravel(), 256)
9
plt.show()
10

11
cv2.waitKey()
12
cv2.destroyAllWindows()

原图	直方图

cv2.calcHist() + plt.plot()#

• 使用函数cv2.calcHist()，可以统计图像直方图信息
  • 函数原型：hist = cv2.calcHist(images, channels, mask, histSize, ranges, accumulate)
  • 参数说明：
    • hist：返回的统计直方图，是一个一维数组，数组内的元素是各个灰度级的像素个数。
    • images：原始图像，该图像需要使用“ [ ]” 括起来。
    • channels：指定通道编号。通道编号需要用“ [ ]”括起来，如果输入图像是单通道灰度图像， 该参数的值就是[0]。对于彩色图像，它的值可以是[0]、 [1]、 [2]， 分别对应通道B、 G、 R。
    • mask：掩膜图像。当统计整幅图像的直方图时，将这个值设为 None。 当统计图像某一部分的直方图时，需要用到掩膜图像。
    • histSize：BINS的值，该值需要用“ [ ]”括起来。
    • ranges：像素值范围。例如， 8 位灰度图像的像素值范围是[0, 255]。
    • accumulate：累计标识，默认值为 False。一般情况下不需要设置。
• 示例

1
import cv2
2
import matplotlib.pyplot as plt
3

4
img = cv2.imread("color.png")
5

6
cv2.imshow("color", img)
7

8
histb = cv2.calcHist([img], [0], None, [256], [0,255])
9
histg = cv2.calcHist([img], [1], None, [256], [0,255])
10
histr = cv2.calcHist([img], [2], None, [256], [0,255])
11

12
plt.plot(histb, color='b')
13
plt.plot(histg, color='g')
14
plt.plot(histr, color='r')
15

16
plt.show()
17

18
cv2.waitKey()
19
cv2.destroyAllWindows()

原图	直方图

原理#

• 示例图像：

• 灰度级次数统计：

• 灰度级频率统计：

• 灰度级累积频率：

• 灰度级均衡化：累积频率 * 灰度最大值 —— 结果舍入至整数

• 均衡化后的灰度级和对应像素个数：

• 直方图均衡化：

直方图均衡化·前	直方图均衡化·后

直方图均衡化#

• 使用函数cv2.equalizeHist()实现直方图均衡化

  • 函数原型：dst = cv2.equalizeHist( src )
  • 参数说明：
    • src：8位、单通道图像
    • dst：直方图均衡化之后的图像

• 示例

1
import cv2
2
import matplotlib.pyplot as plt
3

4
img = cv2.imread("color.png", cv2.IMREAD_GRAYSCALE)
5

6
equ = cv2.equalizeHist(img)
7

8
cv2.imshow("grey", img)
9
cv2.imshow("equalizeHist", equ)
10

11
plt.figure("原始图像直方图")
12
plt.hist(img.ravel(),256)
13
plt.figure("均衡化直方图")
14
plt.hist(equ.ravel(),256)
15
plt.show()
16

17
cv2.waitKey()
18
cv2.destroyAllWindows()

原始图像	直方图均衡化后的图像