pythonopencv如何圈出圖形（Python圖像處理如何調用OpenCV繪製直方圖）

2023-04-23 21:42:58 3

本文分享自華為雲社區《[Python圖像處理] 十一.灰度直方圖概念及OpenCV繪製直方圖-雲社區-華為雲》，作者：eastmount。

灰度直方圖（histogram）是灰度級的函數，描述的是圖像中每種灰度級像素的個數，反映圖像中每種灰度出現的頻率。橫坐標是灰度級，縱坐標是灰度級出現的頻率。

對於連續圖像，平滑地從中心的高灰度級變化到邊緣的低灰度級。直方圖定義為：

其中A(D)為閾值面積函數：為一幅連續圖像中被具有灰度級D的所有輪廓線所包圍的面積。對於離散函數，固定ΔD為1，則：H（D）=A（D）-A（D 1）。

色彩直方圖是高維直方圖的特例，它統計色彩的出現頻率，即色彩概率分布信息。通常這需要一定的量化過程，將色彩分成若干互不重疊的種類。一般不直接在RGB色彩空間中統計，而是在將亮度分離出來後，對代表色彩部分的信息進行統計，如在HSI空間的HS子空間、YUV空間的UV子空間，以及其它反映人類視覺特點的彩色空間表示中進行。

直方圖的計算方法如下：

依據定義，若圖像具有L（通常L=256，即8位灰度級）級灰度，則大小為MxN的灰度圖像f（x，y）的灰度直方圖hist[0...L-1]可用如下計算獲得。

1、初始化 hist[k]=0;k=0,...,L-1

2、統計 hist[f（x，y）] ;x=0,...,M-1， y =0,...,N-1

3、歸一化 hist[f（x，y）]/=M*N

那麼說了這麼多，直方圖究竟有什麼作用呢？

在使用輪廓線確定物體邊界時，通過直方圖更好的選擇邊界閾值，進行閾值化處理；對物體與背景有較強對比的景物的分割特別有用；簡單物體的面積和綜合光密度IOD可以通過圖像的直方圖求得。

在直方圖中，橫坐標表示圖像中各個像素點的灰度級，縱坐標表示具有該灰度級的像素個數。

假設存在一個3*3的圖像，如下圖所示，x數組統計的是像素點的灰度級，y數組統計的是具有該灰度級的像素個數。其中，灰度為1的像素共3個，灰度為2的像素共1個，灰度為3的像素共2個，灰度為4的像素共1個，灰度為5的像素共2個。

x = [1， 2， 3， 4， 5]

y = [3， 1， 2， 1， 2]

繪製的折線圖如下所示：

繪製的直方圖如下所示：

如果灰度級為0-255（最小值0黑色，最大值255白色），同樣可以繪製對應的直方圖，下圖是三張圖片拼接而成及其對應的直方圖。

該直方圖的橫坐標表示圖像中各個像素點的灰度級，縱坐標表示出現這個灰度級的概率。其計算方法如下：

(1) 先計算灰度級及對應像素的個數

x = [1, 2, 3, 4, 5]

t = [3, 1, 2, 1, 2]

(2) 統計總的像素個數

n = (3 1 2 1 2) = 9

(3) 統計各個灰度級的出現概率

y = t / n = [3/9, 1/9, 2/9, 1/9, 2/9]

主要調用Matplotlib的子庫pyplot實現，它提供了類似於Matlab的繪圖框架，matplotlib是非常強大基礎的一個Python繪圖包。Provides a Matlab-like plotting framework. 導入代碼如下：

import matplotlib.pyplot as plt

其中繪製直方圖主要調用hist函數實現，它根據數據源和像素級繪製直方圖。函數原型如下：

hist(數據源, 像素級)參數：數據源必須是一維數組，通常需要通過函數ravel拉直圖像像素級一般是256，表示[0, 255]

函數ravel將多維數組降為一維數組，格式為：

一維數組 = 多維數組.ravel

#encoding:utf-8import cv2 import numpy as npimport matplotlib.pyplot as pltsrc = cv2.imread('test01.jpg')cv2.imshow("src", src)cv2.waitKey(0)cv2.destroyAllWindowsplt.hist(src.ravel, 256)plt.show

輸出結果如下所示：

三. 使用OpenCV統計繪製直方圖

前面講解調用matplotlib庫繪製直方圖，接下來講解使用OpenCV統計繪製直方圖的例子。

直方圖橫坐標：圖像中各個像素點的灰度級

直方圖縱坐標：具有該灰度級的像素個數

主要調用函數calcHist實現：

hist = cv2.calcHist(images, channels, mask, histSize, ranges, accumulate)

參數：

ranges表示像素值範圍，例如[0, 255]

首先計算圖像灰度級的基本大小、形狀及內容。

#encoding:utf-8import cv2 import numpy as npimport matplotlib.pyplot as pltsrc = cv2.imread('test01.jpg')#參數:原圖像 通道[0]-B 掩碼 BINS為256 像素範圍0-255 hist = cv2.calcHist([src], [0], None, [256], [0,255])print(type(hist))print(hist.size)print(hist.shape)print(hist)

輸出結果如下所示：

下面是繪製圖像的代碼，首先補充一些matplotlib庫繪製圖像代碼，也推薦我的文章。

[Python數據挖掘課程] 六.Numpy、Pandas和Matplotlib包基礎知識

#encoding:utf-8import cv2 import numpy as npimport matplotlib.pyplot as plt#繪製sin函數曲線x1 = np.arange(0, 6, 0.1)y1 = np.sin(x1)plt.plot(x1, y1)#繪製坐標點折現x2 = [0, 1, 2, 3, 4, 5, 6]y2 = [0.3, 0.4, 2.5, 3.4, 4, 5.8, 7.2]plt.plot(x2, y2)#省略有規則遞增的x2參數 y3 = [0, 0.5, 1.5, 2.4, 4.6, 8]plt.plot(y3,)plt.show

輸出結果有三條線，如下所示：

最後給出調用calcHist計算B、G、R灰度級並繪製圖形的代碼。

#encoding:utf-8import cv2 import numpy as npimport matplotlib.pyplot as pltsrc = cv2.imread('test01.jpg')histb = cv2.calcHist([src], [0], None, [256], [0,255])histg = cv2.calcHist([src], [1], None, [256], [0,255])histr = cv2.calcHist([src], [2], None, [256], [0,255])cv2.imshow("src", src)cv2.waitKey(0)cv2.destroyAllWindowsplt.plot(histb, color='b')plt.plot(histg, color='g')plt.plot(histr, color='r')plt.show

輸出結果如下圖所示：

點擊下方關注，第一時間了解華為雲新鮮技術~

華為雲博客_大數據博客_AI博客_雲計算博客_開發者中心-華為雲