Python OpenCV 直方图 （五）

直方图

python 调用 calcHist 返回 hist （直方图）

calcHist 函数:

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

参数说明： images  --   图像对像

                     channels  --  用于计算直方图的通道

                     Mask  --  

                     histSize  --   表示直方图分成多少份（多少个直方柱）

                     ranges  --  表示直方图中各个像素的值，[0.0, 256.0]表示直方图能表示像素值从0.0到256的像素

                     hist   --   

                     accumulate  --  是一个布尔值，表示直方图是否叠加

灰度图计算

#!/usr/bin/env python  # encoding: utf-8  import cv2  import numpy as np    image = cv2.imread("D:/histTest.jpg", 0)  hist = cv2.calcHist([image],      [0], #使用的通道      None, #没有使用mask      [256], #HistSize      [0.0,255.0]) #直方图柱的范围  

彩色图像（多通道）直方图

使用 OpenCV 方法

步骤： 1. 读取并分离各通道

             2.计算每个通道的直方图

#!/usr/bin/env python  # encoding: utf-8  import cv2  import numpy as np       def calcAndDrawHist(image, color):        hist= cv2.calcHist([image], [0], None, [256], [0.0,255.0])     '''    minMaxLoc寻找矩阵(一维数组当作向量,用Mat定义) 中最小值和最大值的位置         注意：多通道图像在使用minMaxLoc()函数是不能给出其最大最小值坐标的，因为每个像    素点其实有多个坐标，所以是不会给出的。因此在编程时，这2个位置应该给NULL。    '''    minVal, maxVal, minLoc, maxLoc = cv2.minMaxLoc(hist)     #创建绘制直方图的的图像，由于值全为0 所以它是黑色的     histImg = np.zeros([256,256,3], np.uint8)            hpt = int(0.9* 256) #直方图的范围限定在0-255×0.9之间               for h in range(256):            intensity = int(hist[h]*hpt/maxVal)  # 计算直方图的最大值再乘以一个系数                '''        绘制线        histImg --   图像        (h,256)  --  线段的第一个端点        (h,256-intensity)  --  线段的第二个端点        color  --  线段的颜色        '''          cv2.line(histImg,(h,256), (h,256-intensity), color)                   return histImg; if __name__ == '__main__':        img = cv2.imread("mini.jpg")        b, g, r = cv2.split(img)     # 使用Opencv 自带的分离函数 split           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() 

在一张图上绘制，这样不用再分离通道，用折线来描绘直方图的边界即可

#!/usr/bin/env python  # encoding: utf-8  import cv2  import numpy as np  img = cv2.imread('mini.jpg')    h = np.zeros((256,256,3)) #创建用于绘制直方图的全0图像             bins = np.arange(256).reshape(256,1) #直方图中各bin的顶点位置    color = [ (255,0,0),(0,255,0),(0,0,255) ] #BGR三种颜色    '''对三个通道遍历一次，每次绘制相应通道的直方图的折线'''for ch, col in enumerate(color):      #计算对应通道的直方图      originHist = cv2.calcHist([img],[ch],None,[256],[0,256])     '''    OpenCV的归一化函数。该函数将直方图的范围限定在0-255×0.9之间    '''       cv2.normalize(originHist, originHist,0,255*0.9,cv2.NORM_MINMAX)      '''    先将生成的原始直方图中的每个元素四舍六入五凑偶取整   （cv2.calcHist函数得到的是float32类型的数组）     注意，这里必须使用np.int32(...)进行转换，    numpy的转换函数可以对数组中的每个元素都进行转换，    而Python的int(...)只能转换一个元素，如果使用int(...)，    将导致only length-1 arrays can be converted to Python scalars错误。     '''    hist=np.int32(np.around(originHist))      '''    将直方图中每个bin的值转成相应的坐标。    如hist[0] =3，...，hist[126] = 178，...，hist[255] = 5；    而bins的值为[[0],[1],[2]...,[255]]    使用np.column_stack将其组合成[0, 3]、[126, 178]、[255, 5]这样的坐标    作为元素组成的数组。    '''    pts = np.column_stack((bins,hist))      '''    polylines 根据这些点绘制出折线    False  --  指出这个折线不需要闭合    col   --  指定了折线的颜色    '''    cv2.polylines(h,[pts],False,col)    '''反转绘制好的直方图，因为绘制时，[0,0]在图像的左上角'''         h=np.flipud(h)             cv2.imshow('colorhist',h)    cv2.waitKey(0)   

使用Numpy 直方图计算

NumPy中histogram函数应用到一个数组返回一对变量：直方图数组和箱式向量。注意：matplotlib也有一个用来建立直方图的函数(叫作hist,正如matlab中一样)与NumPy中的不同。主要的差别是pylab.hist自动绘制直方图，而numpy.histogram仅仅产生数据。

#!/usr/bin/env python  # encoding: utf-8  import cv2  import numpy as np    img = cv2.imread('mini.jpg')  h = np.zeros((300,256,3))  bins = np.arange(257)  bin = bins[0:-1]  color = [ (255,0,0),(0,255,0),(0,0,255) ]    for ch,col in enumerate(color):      item = img[:,:,ch]      N,bins = np.histogram(item,bins)      v=N.max()      N = np.int32(np.around((N*255)/v))      N=N.reshape(256,1)      pts = np.column_stack((bin,N))      cv2.polylines(h,[pts],False,col)    h=np.flipud(h)    cv2.imshow('img',h)  cv2.waitKey(0)