Python OpenCV 影像處理之直方圖相關知識細節，學點細的-有解無憂

Python OpenCV 365 天學習計劃，與橡皮擦一起進入影像領域吧，本篇博客是這個系列的第 50 篇，
該系列文章導航參考：https://blog.csdn.net/hihell/category_10688961.html

Python OpenCV

- 學在前面
- 直方圖繪制
- Python OpenCV 中的直方圖繪制
- 掩膜繪制直方圖
- 直方圖均衡化相關知識補充
- 橡皮擦的小節

學在前面

直方圖在之前的博客中已經學習過一部分內容了，具體可以自行去回顧，
Python OpenCV 影像處理之直方圖相關知識細節，學點細的
直方圖是影像處理程序中的一個分析工具，是使用灰度值或者從灰度級的角度統計影像的特征，

如果從統計的角度看，直方圖統計了影像各個灰度級出現的次數，直方圖橫坐標是像素灰度級，縱坐標是該灰度級的個數，

如果存在一個 5x5 的灰度圖，那直方圖就是對其中的各個像素值進行統計，
Python OpenCV 影像處理之直方圖相關知識細節，學點細的

上面 2 張圖就是關于直方圖統計的說明，但直方圖直觀的呈現不是表格，而是圖形，所以將上述資料進行繪制，即可得到直方圖，
直方圖中 x 軸表示的是 8 位位圖的 256 個灰度級，y 軸表示的是對應灰度級的像素點格式，

基于此還要補充一個知識，叫做歸一化的直方圖，在很多時候，直方圖中 x 軸表示灰度級，但是 y 軸表示灰度級出現的頻率，具體就是將次數/總數，例如上表可以修改為：
Python OpenCV 影像處理之直方圖相關知識細節，學點細的
直方圖概念理解之后，還有幾個新詞需要注意下，DIMS、BINS、RANGE，

DIMS：基于目前知識，只有一個灰度值，該值為 1，它表示的是收集直方圖時，收集的引數數量；
RANGE：統計灰度級范圍，對于灰度圖，范圍是 [0,255]；
BINS：引數子級數目，大概含義可以理解為，將剛才的灰度級做分組處理，一般保持默認即可，

對于 BINS 引數在細說一下，對于灰度影像，灰度級的區間是 [0,255]，其 BINS 默認是 256，如果按照 16 個灰度級為一組，可以分為 16 個 BINS，

直方圖繪制

Python OpenCV 影像處理之影像直方圖，取經之旅第 25 天本篇博客已經對直方圖的繪制進行了說明，先來整體回顧一下，

代碼基于 plt.hist() 函式實作直方圖，該函式原型為 plt.hist(X,BINS)

運行下述代碼，找圖片的時候，盡量找顏色分布比較平均的，不要白色或者黑色所占區域特別大，否則得到的直方圖效果不明顯，

import cv2 as cv
import matplotlib.pyplot as plt

src = cv.imread("./2.png", 0)
cv.imshow("src", src)

plt.hist(src.ravel(), 256)
plt.show()

cv.waitKey()
cv.destroyAllWindows()

Python OpenCV 影像處理之直方圖相關知識細節，學點細的
上述代碼還有一個需要注意的就是 src.ravel() 函式了，該函式用于將二維陣列降成一維陣列，例如下圖所示，

Python OpenCV 影像處理之直方圖相關知識細節，學點細的
如果將 BINS 設定為 16 得到的結果如下，

Python OpenCV 中的直方圖繪制

在 OpenCV 中使用 cv.calcHist 函式計算影像的直方圖，本文重點說明一下該函式的回傳值，

import cv2 as cv
import matplotlib.pyplot as plt

src = cv.imread("./2.png", 0)
cv.imshow("src", src)
hist = cv.calcHist([src], [0], None, [256], [0, 255])
print(hist)
print(len(hist))
cv.waitKey()
cv.destroyAllWindows()

hist 輸出格式如下：

# 省略一部分輸出資料
……
 [ 115.]
 [ 122.]
 [ 115.]
 [ 142.]
 [ 148.]
 [ 152.]
 [  61.]
 [   6.]
 [   0.]]
256

可以看到最后回傳的 hist 是 256 個數字組成的陣列，該陣列內的元素是各個灰度級的統計個數，
得到 hist 之后，就可以通過 plt.plot 函式將其繪制出來啦，

import cv2 as cv
import matplotlib.pyplot as plt

src = cv.imread("./2.png", 0)
cv.imshow("src", src)
ret_hist = cv.calcHist([src], [0], None, [256], [0, 255])
print(ret_hist)
print(len(ret_hist))
plt.plot(ret_hist)
plt.show()
cv.waitKey()
cv.destroyAllWindows()

Python OpenCV 影像處理之直方圖相關知識細節，學點細的

掩膜繪制直方圖

接下來說明一下掩膜繪制直方圖，通過掩膜就是選擇影像的一部磁區域進行繪制，掩膜白色區域表示透明，可顯示圖片，黑色區域表示不透明，無法顯示圖片，

掩膜的原理也可以翻閱以前的博客進行學習，總結下來就是下面兩句話

原影像與掩膜中黑色位置對應的部分，這部分就不再顯示了，灰度值被置為 0；
原影像與掩膜中白色位置對應的部分，保留原值，

import cv2 as cv
import matplotlib.pyplot as plt
import numpy as np
src = cv.imread("./2.png", 0)
cv.imshow("src", src)
print(src.shape)
mask = np.zeros(src.shape, np.uint8)
# 前面是行，后面是列
mask[10:150, 40: 200] = 255
mask_img = cv.bitwise_and(src, mask)
cv.imshow("mask", mask_img)
ret_hist = cv.calcHist([src], [0], None, [256], [0, 255])
mask_hist = cv.calcHist([src], [0], mask, [256], [0, 255])

plt.plot(ret_hist)
plt.plot(mask_hist)
plt.show()
cv.waitKey()
cv.destroyAllWindows()