Opencv-python从入门到放弃 —— 直方图（7）

自己是一个菜鸡，希望通过写博客的方式提升自己，最近正好接触到了opencv，想把学习路程以博客的形式记录下来，也算是学习opencv的一种动力吧，好吧，话不多说，干就完了！

一、基础知识

直方图
1. 直方图代表了一幅图像上各个（或范围）灰度值的数目。
API：cv2.calcHist(images, channels, mask, histSize, ranges)
images：一个列表，里面是计算直方图所用的图像，一定要用list修饰一下！我也不知道为什么不修饰图就不对了。
channels：一个列表，代表了channels的索引，所以灰度值只能是[0]，而RGB图就是[0, 1, 2]，当然你也可以只算绿色，蓝色，红色或者他们的组合，索引正确就好。
mask：和位运算的mask的功能是一致的，mask图像和原图大小一致，并且是黑白图像。所以只计算mask图像中白色部分的直方图，相当于ROI。没有mask的话设置为None就好。
histSize：是一个列表，代表了每个通道上bins的数目。直观理解就是如果值是[256]的话，就是不放过每一个灰度值，所以横轴的尺度比较精细。如果是100，那就统计灰度值范围在[0, 99]上的灰度分布情况。
ranges：一个列表，代表灰度值范围，一般都是[0, 256]。除非你是别的颜色区间，这个数值会发生改变。
直方图均衡化
直方图均衡化能够提高图像的对比度，对于有明显前、背景的图像，均衡化后变得更加清晰，使得像素的灰度值在[0, 255]区间内分布更加均匀，但同时灰度级间的间隔也变宽了。
image_equal = cv2.equalizeHist(image) 用法很简单

二、Demo

import cv2
import argparse
import os
import matplotlib.pyplot as plt

image_src = cv2.imread('./beach.png')
image = cv2.cvtColor(image_src, cv2.COLOR_BGR2GRAY)         # 转灰度图
cv2.imwrite('gray.jpg', image)
hist = cv2.calcHist([image], [0], None, [256], [0, 256])  # 计算直方图
plt.figure()                          # 用pyplot来画直方图并创建一个画布
plt.title('Grayscale Histogram')      # 直方图标题
plt.xlabel('Bins')                    # 横轴标题
plt.ylabel('# of Pixels')             # 纵轴标题
plt.xlim([0, 256])                    # 横轴范围（让图像更好的显示）
plt.plot(hist)                        # 画图
plt.show()                            # 显示

# 下面画一个三通道的直方图
chans = cv2.split(image_src)   # 一个元组，代表了每个通道的图像，顺序是BGR
colors = ('b', 'g', 'r')       # 画线的颜色，也代表了相应的通道
plt.figure()
plt.title('Flattened Color Histogram')
plt.xlabel('Bins')
plt.ylabel('# of Pixels')

for chan, color in zip(chans, colors):
    hist = cv2.calcHist([chan], [0], None, [256], [0, 256])
    plt.xlim([0, 256])
    plt.plot(hist, color=color)

# 直方图均衡化并且画出其直方图
image_gray = cv2.cvtColor(image_src, cv2.COLOR_BGR2GRAY)
image_equal = cv2.equalizeHist(image_gray)
cv2.imwrite('equal.jpg', image_equal)
hist_equal = cv2.calcHist([image_equal], [0], None, [256], [0, 256])
plt.figure()
plt.xlabel('equal_list image\'s bins')
plt.ylabel('# pixel nums')
plt.xlim([0, 256])
plt.plot(hist_equal)
plt.show()

#  利用掩膜
def plot_hist(image, mask=None):  # 把前面画直方图的代码包装一下，使用起来方便
    plt.figure()
    plt.xlabel('bins')
    plt.ylabel('# nums')
    plt.title('hist_image')
    plt.xlim([0, 256])
    if image.shape[2] == 3:
        chans = cv2.split(image)
        colors = ('b', 'g', 'r')
        for (chan, color) in zip(chans, colors):
            hist = cv2.calcHist([chan], [0], mask, [256], [0, 256])
            plt.plot(hist, color=color)
        plt.show()
    else:
        hist = cv2.calcHist([image], [0], mask, [256], [0, 256])
        plt.plot(hist)
        plt.show()

mask = np.zeros(image_src.shape[:2], dtype='uint8')
cv2.rectangle(mask, (15, 15), (130, 100), 255, -1)
masked = cv2.bitwise_and(image_src, image_src, mask=mask)
cv2.imwrite('masked.jpg', masked)
plot_hist(image_src, mask)

运行结果：

三、总结

明白了单通道（灰度）直方图，RGB图像三通道直方图的同时显示，直方图均衡化，利用掩膜操作的直方图显示。
本文并没有涉及到双通道直方图的同时显示（类似于热力图那种），如果以后用到了就再编辑吧，感觉用到的不多就没写。
排版乱。