opencv21:Histograms直方圖-查找、繪制和分析-有解無憂

目標

學會

使用OpenCV和Numpy函式查找直方圖
使用OpenCV和Matplotlib函式繪制直方圖
函式：cv2.calcHist()，np.histogram()等，

理論

直方圖(Histograms)是什么？可以將直方圖視為圖形或繪圖，從而可以總體了解影像的強度分布，它是在X軸上具有像素值（不總是從0到255的范圍），在Y軸上具有影像中相應像素數量的圖，

hog只是理解影像的另一種方式，通過查看影像的直方圖，可以直觀地了解該影像的對比度，亮度，強度分布等，當今幾乎所有影像處理工具都提供直方圖功能，下圖來自網站（ Cambridge in Color website）的圖片
在這里插入圖片描述

可以看到影像及其直方圖，（記住，直方圖是針對灰度影像而非彩色影像繪制的），直方圖的左側區域顯示影像中較暗像素的數量，而右側區域則顯示明亮像素的數量，從直方圖中，可以看到暗區域多于亮區域，而中間調的數量（中間值的像素值，例如127附近）則非常少，

尋找直方圖

現在有了關于直方圖的認識，就可以研究如何找到它，OpenCV和Numpy都為此內置了實作函式，在使用這些函式之前，需要了解一些與直方圖有關的術語，

BINS：上面的直方圖顯示每個像素值的像素數，即從0到255，即，需要256個值來顯示上面的直方圖，但是假設如果不需要分別找到所有像素值的像素數，而是找到像素值間隔中的像素數怎么辦？
例如，需要找到介于0到15之間的像素數，然后找到16到31之間，…，240到255之間的像素數，只需要16個值即可表示直方圖，
因此，要做的就是將整個直方圖分成16個子部分，每個子部分的值就是其中所有像素數的總和，
每個子部分都稱為BIN，在第一種情況下，bin的數量為256個（每個像素一個），而在第二種情況下，bin的數量僅為16個，BINS由OpenCV檔案中的histSize術語表示，
DIMS：為其收集資料的引數的數量，在這種情況下，僅收集關于強度值這一件事的資料，所以這里是1，
RANGE：要測量的強度值的范圍，通常，它是[0,256]，即所有強度值，

OpenCV中的直方圖計算

在OpenCv中，可以使用cv2.calcHist()函式查找直方圖，熟悉一下該函式及其引數：

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

images：它是uint8或float32型別的源影像，它應該放在方括號中，即 [img]
channels：也以方括號給出，是計算直方圖的通道的索引，例如，如果輸入為灰度影像，則其值為[0]，對于彩色影像，可以傳遞[0]，[1]或[2]分別計算藍色，綠色或紅色通道的直方圖
mask：影像掩碼，為了找到完整影像的直方圖，將其指定為“無”，但是，如果要查找影像特定區域的直方圖，則必須為此創建一個掩碼影像并將其作為掩碼
histSize：這表示BIN計數，需要放在方括號中，對于全尺寸，設定為[256]
ranges：這是RANGE，通常為[0,256]

img = cv.imread('home.jpg',0)
hist = cv.calcHist([img],[0],None,[256],[0,256])

hist是256x1的陣列，每個值對應于該影像中具有相應像素值的像素數

在這里插入圖片描述

Numpy的直方圖計算

Numpy也提供了一個函式np.histogram()，因此，除了cv2.calcHist()函式外，可以嘗試下面的代碼：

import numpy as np
hist, bins = np.histogram(img.ravel(), 256, [0,256])   # 先展成一維再統計

在這里插入圖片描述

在這里插入圖片描述
可以看到，hist與opencv計算的結果相同，但是bin具有257個元素(0~256)，因為Numpy計算出bin的范圍為0-0.99、1-1.99、2-2.99等, 因此最終范圍為255-255.99，為了表示這一點，他們還在最后添加了256，但使用時候不需要256，最多255就足夠了，

另外
Numpy還有另一個函式np.bincount()，它比np.histogram()快10倍左右，因此，對于一維直方圖，可以更好地嘗試一下，不要忘記在np.bincount中設定minlength = 256，例如，

hist = np.bincount(img.ravel()，minlength = 256)  # 先展成一維再統計

在這里插入圖片描述

注意
OpenCV函式cv2.calcHist()比np.histogram()快大約40倍，因此，盡可能使用OpenCV函式的cv2.calcHist()，

繪制直方圖

繪制直方圖有兩種方法，

簡短的方法：使用Matplotlib繪圖功能
稍長的方法：使用OpenCV繪圖功能

使用Matplotlib

Matplotlib帶有直方圖繪圖功能：matplotlib.pyplot.hist()
它直接找到直方圖并將其繪制, 無需使用calcHist()或np.histogram()函式來查找直方圖，代碼如下：

import cv2
import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('hog.jpg', 0)
plt.subplot(1,2,1)
plt.imshow(img, cmap='gray')
plt.subplot(1,2,2)
plt.hist(img.ravel(), 256, [0,256])
plt.show()

結果如下：

在這里插入圖片描述

或者，可以使用matplotlib的法線圖，這對于BGR圖是很好的，為此，需要首先找到直方圖資料，代碼如下：

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('hog.jpg')
color = ('b','g','r')
for i,col in enumerate(color):
    histr = cv.calcHist([img],[i],None,[256],[0,256])
    plt.plot(histr,color = col)
    plt.xlim([0,256])
plt.show()

結果如下：
在這里插入圖片描述

可以從上圖中得出，藍色在影像中具有一些高值域（顯然這應該是由于天空）

使用 OpenCV

在這里可以調整直方圖的值及其bin值，使其看起來像x，y坐標，以便可以使用cv2.line()或cv2.polyline()函式繪制它以生成與上述相同的影像，OpenCV-Python官方示例已經提供了樣例代碼

#!/usr/bin/env python
# https://github.com/opencv/opencv/blob/master/samples/python/hist.py
''' This is a sample for histogram plotting for RGB images and grayscale images for better understanding of colour distribution

Benefit : Learn how to draw histogram of images
          Get familier with cv.calcHist, cv.equalizeHist,cv.normalize and some drawing functions

Level : Beginner or Intermediate

Functions : 1) hist_curve : returns histogram of an image drawn as curves
            2) hist_lines : return histogram of an image drawn as bins ( only for grayscale images )

Usage : python hist.py <image_file>

Abid Rahman 3/14/12 debug Gary Bradski
'''

# Python 2/3 compatibility
from __future__ import print_function

import numpy as np
import cv2 as cv

bins = np.arange(256).reshape(256,1)

def hist_curve(im):
    h = np.zeros((300,256,3))
    if len(im.shape) == 2:
        color = [(255,255,255)]
    elif im.shape[2] == 3:
        color = [ (255,0,0),(0,255,0),(0,0,255) ]
    for ch, col in enumerate(color):
        hist_item = cv.calcHist([im],[ch],None,[256],[0,256])
        cv.normalize(hist_item,hist_item,0,255,cv.NORM_MINMAX)
        hist=np.int32(np.around(hist_item))
        pts = np.int32(np.column_stack((bins,hist)))
        cv.polylines(h,[pts],False,col)
    y=np.flipud(h)
    return y

def hist_lines(im):
    h = np.zeros((300,256,3))
    if len(im.shape)!=2:
        print("hist_lines applicable only for grayscale images")
        #print("so converting image to grayscale for representation"
        im = cv.cvtColor(im,cv.COLOR_BGR2GRAY)
    hist_item = cv.calcHist([im],[0],None,[256],[0,256])
    cv.normalize(hist_item,hist_item,0,255,cv.NORM_MINMAX)
    hist = np.int32(np.around(hist_item))
    for x,y in enumerate(hist):
        cv.line(h,(x,0),(x,y[0]),(255,255,255))
    y = np.flipud(h)
    return y


def main():
    import sys

    if len(sys.argv)>1:
        fname = sys.argv[1]
    else :
        fname = 'lena.jpg'
        print("usage : python hist.py <image_file>")

    im = cv.imread(cv.samples.findFile(fname))

    if im is None:
        print('Failed to load image file:', fname)
        sys.exit(1)

    gray = cv.cvtColor(im,cv.COLOR_BGR2GRAY)


    print(''' Histogram plotting \n
    Keymap :\n
    a - show histogram for color image in curve mode \n
    b - show histogram in bin mode \n
    c - show equalized histogram (always in bin mode) \n
    d - show histogram for gray image in curve mode \n
    e - show histogram for a normalized image in curve mode \n
    Esc - exit \n
    ''')

    cv.imshow('image',im)
    while True:
        k = cv.waitKey(0)
        if k == ord('a'):
            curve = hist_curve(im)
            cv.imshow('histogram',curve)
            cv.imshow('image',im)
            print('a')
        elif k == ord('b'):
            print('b')
            lines = hist_lines(im)
            cv.imshow('histogram',lines)
            cv.imshow('image',gray)
        elif k == ord('c'):
            print('c')
            equ = cv.equalizeHist(gray)
            lines = hist_lines(equ)
            cv.imshow('histogram',lines)
            cv.imshow('image',equ)
        elif k == ord('d'):
            print('d')
            curve = hist_curve(gray)
            cv.imshow('histogram',curve)
            cv.imshow('image',gray)
        elif k == ord('e'):
            print('e')
            norm = cv.normalize(gray, gray, alpha = 0,beta = 255,norm_type = cv.NORM_MINMAX)
            lines = hist_lines(norm)
            cv.imshow('histogram',lines)
            cv.imshow('image',norm)
        elif k == 27:
            print('ESC')
            cv.destroyAllWindows()
            break

    print('Done')


if __name__ == '__main__':
    print(__doc__)
    main()
    cv.destroyAllWindows()

掩碼的應用

使用cv2.calcHist()能查找整個影像的直方圖，如果想找到影像某些區域的直方圖呢?只需創建一個掩碼影像，將要找到直方圖為白色，否則黑色，然后把這個作為掩碼傳遞，

import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt

img = cv2.imread('hog.jpg', 0)
# create a mask
mask = np.zeros(img.shape[:2], np.uint8)
mask[100:200, 100:200] = 255  # set white
masked_img = cv2.bitwise_and(img,img,mask = mask)
# Calculate histogram with mask and without mask
# Check third argument for mask
hist_full = cv2.calcHist([img], [0], None, [256],[0,256])
hist_mask = cv2.calcHist([img], [0], mask, [256], [0,256])

# plt.subplot(221) <--> plt.subplot(2,2,1)
plt.subplot(2,2,1)
plt.imshow(img, cmap='gray')
plt.subplot(2,2,2)
plt.imshow(mask, cmap='gray')
plt.subplot(2,2,3)
plt.imshow(masked_img, cmap='gray')
plt.subplot(2, 2, 4)
plt.plot(hist_full, color='r')
plt.plot(hist_mask, color='g')
plt.xlim([0, 255])
plt.show()
plt.show()

查看結果，在直方圖中，藍線表示完整影像的直方圖，綠線表示掩碼區域的直方圖，

在這里插入圖片描述

附加資源

https://docs.opencv.org/4.1.2/d1/db7/tutorial_py_histogram_begins.html
Cambridge in Color website
https://docs.opencv.org/4.1.2/d8/dbc/tutorial_histogram_calculation.html
https://github.com/opencv/opencv/blob/master/samples/python/hist.py
https://zhuanlan.zhihu.com/p/36656952

轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/345586.html

標籤：其他

上一篇：PIL、opencv、scipy三者互相轉換

下一篇：使用paddle-lite在Arm開發板上部署paddleOCR