一、像素均值与标准差
1.1 像素均值 cv2.mean()
python
mean_val = cv2.mean(img,mask=*)**mean_val：**图像 BGR 通道的均值和透明度。
**img：**图像。
**mask：**可以选择是否添加掩膜，默认为：None。
python
import cv2
import numpy as np
img = cv2.imread('clahe.jpg') # 原图
cv2.imshow('img',img)
mean_val = cv2.mean(img)
print("mean_val",mean_val)
cv2.waitKey(0)
cv2.destroyAllWindows()
python
mean_val (97.76646525877962, 97.76646525877962, 97.76646525877962, 0.0)1.2 图像标准差cv2.meanStdDev()
python
mean,std = cv2.meanStdDev(img,mask=*)**mean：**图像 BGR 通道的均值。
**std：**图像 BGR 通道的标准差。
**img：**图像。
**mask：**可以选择是否添加掩膜，默认为：None。
python
import cv2
import numpy as np
img = cv2.imread('clahe.jpg') # 原图
cv2.imshow('img',img)
mean,std = cv2.meanStdDev(img)
print("mean",mean)
print("std",std)
cv2.waitKey(0)
cv2.destroyAllWindows()
python
mean [[97.76646526],[97.76646526],[97.76646526]]
std [[61.26630115],[61.26630115],[61.26630115]]二、像素直方图 cv2.calcHist()
python
hist = cv2.calcHist(images=*,channels=*,mask=*,histSize=*,ranges=*,accumulate=*)hist：像素值统计结果，数据结构为numpy数组格式。
images：原始图像。
channels：图像通道，一次只能检测一个通道。
mask：掩膜，默认为：None。
histSize：hist（）函数的bins数量，将0~255切割成多少区间。
ranges：像素值范围，一般为0~255或[0,256]。
accumulate：是否是多幅图像累加像素值，默认为：False。
python
import cv2
import matplotlib.pyplot as plt
img = cv2.imread('Lena.png ') # 原图
cv2.imshow('img',img)
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.savefig('hist.png',dpi=300,bbox_inches='tight')
plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()
python
'''=======================mask--像素直方图======================='''
img = cv2.imread('Lena.png',cv2.IMREAD_GRAYSCALE) # cv2.IMREAD_GRAYSCALE为灰度图
mask = np.zeros(img.shape[:2], np.uint8)
mask[150:400,200:370]=255
mask_img=cv2.bitwise_and(img,img,mask=mask)#图片之间与操作
hist_full = cv2.calcHist([img],[0],None,[256],[0,256])
hist_mask=cv2.calcHist([img],[0],mask,[256],[0,256])
plt.subplot(221), plt.imshow(img, 'gray')
plt.subplot(222), plt.imshow(mask, 'gray')
plt.subplot(223), plt.imshow(mask_img, 'gray')
plt.subplot(224), plt.plot(hist_full), plt.plot(hist_mask)
plt.xlim([0, 256])
plt.savefig('hist_mask.png',dpi=300,bbox_inches='tight')
plt.show()
三、直方图均衡化
3.1 全局直方图均衡化
python
img = cv2.equalizeHist(src=*)**src：**为单通道图像。
3.2 自适应 直方图均衡化
python
img = cv2.createCLAHE(clipLimit=*,tileGridSize=*)**clipLimit：**均衡化颜色对比度大小。
**tileGridSize：**进行像素均衡化的网格大小。
python
'''=======================均衡化像素直方图======================='''
img=cv2.imread('clahe.png',0)
# 原图
plt.subplot(131),plt.plot(cv2.calcHist([img],[0],None,[256],[0,256]))
# 全局直方图均衡化
equ=cv2.equalizeHist(img)
plt.subplot(132),plt.plot(cv2.calcHist([equ],[0],None,[256],[0,256]))
#自适应直方图均衡化
#clipLimit颜色对比度的阈值，
#titleGridSize进行像素均衡化的网格大小，即在多少网格下进行直方图的均衡化操作
clahe=cv2.createCLAHE(clipLimit=2.0,tileGridSize=(8,8))
res_clahe = clahe.apply(img)
plt.subplot(133),plt.plot(cv2.calcHist([res_clahe],[0],None,[256],[0,256]))
res = np.hstack((img,equ,res_clahe))
cv2.imwrite('clahe_all.png',res)
# plt.ylim([0, 1600])
plt.xlim([0, 256])
plt.savefig('clahe_hist.png',dpi=300,bbox_inches='tight')
plt.show()
