文章目录
一、直方图
1.含义
在OpenCV中，直方图是一种非常重要的工具，用于表示图像中像素强度的分布情况。直方图可以帮助我们了解图像的亮度、对比度等信息，并且在进行图像处理和图像分析时非常有用。
OpenCV提供了cv2.calcHist()函数来计算图像的直方图。这个函数非常灵活，可以计算单通道或多通道图像的直方图，并且可以指定直方图的bin范围。
2.参数解释
cv2.calcHist(images,channels,mask,histSize,range)
- channels:表示传入图像的通道数，如果输入图像为灰度图，则为0,如果为彩色，[0][1][2]或者 [0, 1, 2] 来计算所有通道的直方图,对应BGR
- mask:这是一个可选的掩码。如果指定了掩码，函数将只计算掩码非零区域的像素的直方图。这对于只关注图像的特定部分时非常有用。 如果未指定掩码，则计算整个图像的直方图。
- histSize: 这表示直方图每个维度的大小。
二、代码应用
1.灰度图像的直方图
python
phone = cv2.imread('sj.png', cv2.IMREAD_GRAYSCALE)
# 将图像转换为一维数组（虽然对于matplotlib.hist这不是必需的，但展示了如何操作）
a = phone.ravel()
# 绘制直方图
plt.hist(a, bins=256) # 使用matplotlib的hist函数绘制直方图
plt.show()-
cv2.imread('sj.png',cv2.IMREAD_GRAYSCALE)：读取名为'sj.png'的图像文件，并将其转换为灰度图像。
-
cv2.IMREAD_GRAYSCALE标志指定以灰度模式读取图像。
-
a = phone.ravel()：将灰度图像（二维数组）转换为一维数组。虽然对于plt.hist()来说这不是必需的，因为plt.hist()可以直接处理二维数组（在这种情况下，它会将其视为一系列的值），但这一步展示了如何手动将图像数据展平。
-
plt.hist(a,bins=256)：使用matplotlib的hist函数绘制一维数组a的直方图，其中bins=256指定了直方图的bin数量。这意味着直方图将像素值范围（0-255）分成256个等宽的区间，并计算每个区间中的像素数量。
-
plt.show()：显示直方图。
2.绘制灰度图像直方图
python
phone_hist = cv2.calcHist([phone], [0], None, [16], [0, 256])
plt.plot(phone_hist)
plt.show()- cv2.calcHist([phone], [0], None, [16], [0, 256])：计算灰度图像phone的直方图。这里指定了16个bin（而不是通常的256个），这可能会导致直方图看起来不够详细。[0]指定了计算直方图的通道（对于灰度图像，只有一个通道）。
- plt.plot(phone_hist)：尝试使用matplotlib的plot函数绘制直方图，但这里有一个问题。cv2.calcHist返回的是一个二维数组（即使只有一个通道），其形状为(bins_count, channels_count)。因此，应该使用plt.plot(phone_hist[:, 0])来绘制第一个（也是唯一一个）通道的直方图。
3.彩色图像直方图
python
img = cv2.imread('sj.png')
color = ('b', 'g', 'r')
for i, col in enumerate(color):
histr = cv2.calcHist([img], [i], None, [256], [0, 256])
plt.plot(histr, color=col)
plt.show()- cv2.imread('sj.png')：读取名为'sj.png'的图像文件，这次以默认模式（彩色）读取。循环遍历颜色元组('b', 'g', 'r')，为每个颜色通道计算直方图。
- cv2.calcHist([img], [i], None, [256], [0, 256])：为彩色图像的每个颜色通道（蓝色、绿色、红色）计算直方图，每个通道使用256个bin。
- plt.plot(histr, color=col)：在相同的matplotlib窗口中绘制每个颜色通道的直方图，使用不同的颜色来区分它们。