opencv学习：calcHist 函数绘制图像直方图及代码实现

cv2.calcHist 函数是 OpenCV 库中用于计算图像直方图的函数。直方图是一种统计图像中像素值分布的工具，它可以提供图像的亮度、颜色等信息。这个函数可以用于灰度图像和彩色图像。

函数语法

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

参数

• images: 图像数组或图像列表。对于单通道图像（如灰度图像），只需一个图像；对于多通道图像（如彩色图像），可以传入多个图像。
• channels : 需要计算直方图的通道索引列表。对于灰度图像，通常传入 [0]；对于彩色图像，可以传入 [0]（蓝色通道）、[1]（绿色通道）、[2]（红色通道）。
• mask : 可选参数，用于指定计算直方图的区域。如果为 None，则计算整个图像的直方图。如果提供了掩码图像，直方图将只计算掩码非零区域的像素值。
• histSize : 直方图的大小，即直方图的"bin"数量。对于灰度图像，通常设置为 [256]，因为像素值的范围是 0 到 255。
• ranges : 像素值的范围。对于灰度图像，通常设置为 [0, 256]。
• accumulate : 可选参数，用于指定是否在现有的直方图上累加。默认为 False。

返回值

• hist: 计算得到的直方图，是一个一维数组。

代码步骤

读取灰度图像：

• 使用 cv2.imread 读取图像，并将其转换为灰度图像。

• cv2.IMREAD_GRAYSCALE 指定读取图像时将其转换为灰度图像。

  phone=cv2.imread("phone.png",cv2.IMREAD_GRAYSCALE)

展平灰度图像：

• 使用 numpy.ravel 将灰度图像的二维数组展平为一维数组，以便绘制直方图。

  a=phone.ravel()

绘制灰度图像直方图：

• 使用 matplotlib.pyplot.hist 绘制灰度图像的直方图，其中 bins=256 表示将直方图分为256个区间。

  # 使用 matplotlib 绘制灰度图像的直方图
  # bins=256 表示将直方图分为256个区间
  plt.hist(a, bins=256)
  plt.show()

计算灰度图像直方图（OpenCV方法）：

• 使用 cv2.calcHist 计算灰度图像的直方图，其中直方图分为16个区间。

  # 使用 OpenCV 计算灰度图像的直方图
  # 直方图分为16个区间
  phone_hist = cv2.calcHist([phone], [0], None, [16], [0, 256])

绘制灰度图像直方图（OpenCV方法）：

• 使用 matplotlib.pyplot.plot 绘制计算得到的灰度图像直方图。

  # 绘制计算得到的灰度图像直方图
  plt.plot(phone_hist)
  plt.show()

读取彩色图像：

• 使用 cv2.imread 读取彩色图像。

  # 读取名为 "phone.png" 的彩色图像
  img = cv2.imread("phone.png")

定义颜色通道列表：

• 定义一个包含蓝色、绿色和红色通道的列表。

  # 定义颜色通道的列表
  color = ('b', 'g', 'r')

计算并绘制彩色图像直方图：

• 遍历每个颜色通道，使用 cv2.calcHist 计算每个通道的直方图，并将直方图分为256个区间。

• 使用 matplotlib.pyplot.plot 绘制每个通道的直方图，并使用对应的颜色绘制。

  # 遍历每个颜色通道
  for i, col in enumerate(color):
      # 计算每个颜色通道的直方图
      # 直方图分为256个区间
      histr = cv2.calcHist([img], [i], None, [256], [0, 256])
      
      # 绘制每个颜色通道的直方图
      # 使用对应的颜色绘制
      plt.plot(histr, color=col)

显示彩色图像直方图：

• 使用 matplotlib.pyplot.show 显示绘制的彩色图像直方图。

  # 显示绘制的彩色图像直方图
  plt.show()

完整代码

import cv2
import matplotlib.pyplot as plt
import numpy as np

# 读取名为 "phone.png" 的图像，并将其转换为灰度图像
phone = cv2.imread("phone.png", cv2.IMREAD_GRAYSCALE)

# 将灰度图像的二维数组展平为一维数组
a = phone.ravel()

# 使用 matplotlib 绘制灰度图像的直方图
# bins=256 表示将直方图分为256个区间
plt.hist(a, bins=256)
plt.show()

# 使用 OpenCV 计算灰度图像的直方图
# 直方图分为16个区间
phone_hist = cv2.calcHist([phone], [0], None, [16], [0, 256])

# 绘制计算得到的灰度图像直方图
plt.plot(phone_hist)
plt.show()

# 读取名为 "phone.png" 的彩色图像
img = cv2.imread("phone.png")

# 定义颜色通道的列表
color = ('b', 'g', 'r')

# 遍历每个颜色通道
for i, col in enumerate(color):
    # 计算每个颜色通道的直方图
    # 直方图分为256个区间
    histr = cv2.calcHist([img], [i], None, [256], [0, 256])
    
    # 绘制每个颜色通道的直方图
    # 使用对应的颜色绘制
    plt.plot(histr, color=col)

# 显示绘制的彩色图像直方图
plt.show()

实验结果