import cv2
import numpy as np
import matplotlib.pyplot as plt
"""
图像直方图：数字图像中亮度分布的直方图，标绘了图像中每个亮度的像素值
横坐标：图像中各个像素点的灰度级(表示黑白图像或彩色图像转换为灰度图像后的明暗程度)
纵坐标：具有该灰度级的像素个数
用于修图
归一化直方图：
纵坐标：灰度级的概率
"""
img = cv2.imread('./img/cat.jpeg')
"""
绘制直方图
"""
# 注意[]是列表，说明可以有多个，通道（[0], [1], [2]）：[0]，mask（掩码图像，如果要统计整幅图像为None，要统计图像的某一部分，在下面介绍）：None
# histSize（直方图柱子的数量）：[256]， ranges（像素范围）：[0, 255]
hist = cv2.calcHist([img], [0], None, [256], [0, 255])
# 绘制掩码图像 zeros全黑图像
img1 = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
mask = np.zeros(img1.shape, np.uint8)
# 设置要显示统计直方图的区域 255是白色
mask[200:400, 200:400] = 255
hist2 = cv2.calcHist([img1], [0], mask, [256], [0, 255])
# img和img先做与运算，得到的结果再和mask运算
cv2.imshow("mask", cv2.bitwise_and(img1, img1, mask))
"""
直方图均衡化
"""
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 变黑
gray_dark = gray - 40
# 变量
gray_bright = gray + 40
# 查看各自的直方图
hist_gray = cv2.calcHist([gray], [0], None, [256], [0, 255])
hist_dark = cv2.calcHist([gray_dark], [0], None, [256], [0, 255])
hist_bright = cv2.calcHist([gray_bright], [0], None, [256], [0, 255])
# 画图各自的直方图
plt.plot(hist_gray, label='gray')
plt.plot(hist_dark, label='dark')
plt.plot(hist_bright, label='bright')
# plt.show()
# 均衡化
dark_e = cv2.equalizeHist(gray_dark)
bright_e = cv2.equalizeHist(gray_bright)
# 画出处理后的直方图
# 画图各自的直方图
plt.plot(dark_e, label='dark_e')
plt.plot(bright_e, label='bright_e')
plt.show()
cv2.imshow('gray_dark', np.hstack((gray_dark, dark_e)))
cv2.imshow('gray_bright', np.hstack((gray_bright, bright_e)))
cv2.waitKey(0)
cv2.destroyAllWindows()