opencv python统计及绘制直方图的方法_Python

灰度直方图概括了图像的灰度级信息，简单的来说就是每个灰度级图像中的像素个数以及占有率，创建直方图无外乎两个步骤，统计直方图数据，再用绘图库绘制直方图。

统计直方图数据

首先要稍微理解一些与函数相关的术语，方便理解其在python3库中的应用和处理

bins: 在上面的直方图当中，如果像素值是0到255，则需要256个值来显示直方图。但是，如果不需要知道每个像素值的像素数目，只想知道两个像素值之间的像素点数目怎么办？例如，想知道像素值在0到15之间的像素点数目，然后是16到31。。。240到255。可以将256个值分成16份，每份计算综合。每个分成的小组就是一个bin（箱）。在opencv中使用histsize表示bins。

dims: 数据的参数数目。当前例子当中，对收集到的数据只考虑灰度值，所以该值为1。

range: 灰度值范围，通常是[0,256]，也就是灰度所有的取值范围。

统计直方图同样有两种方法，使用opencv统计直方图，函数如下：

				?

									cv2.calchist(images, channels, mask, histsize, ranges[, hist[, accumulate]])

该函数的参数在了解以上术语加上自己百度后可以简单应用

使用numpy统计函数，主要应用 numpy.histogram() 函数（还有 np.bincount() ，还未尝试，读者可以自己尝试，大抵使用方法相同）

				?

									hist,bins = np.histogram(img.ravel(),256,[0,256])

opencv处理速度优于numpy，同时对于学习opencv的同学来说，多运用cv的处理方法无疑更利于学习。

绘制直方图

绘制直方图一般使用matplotlib绘制，这里要提一下matplotlib的 matplotlib.pyplot.hist() 函数，该函数可以直接统计绘制中方图。统计函数为 calchist() 或 np.histogram()
这是处理的样图

opencv python统计及绘制直方图的方法

下面是代码实现

				?

									import cv2

									import numpy as np

									from matplotlib import pyplot as plt

									img = cv2.imread('/home/yc/pictures/cat.jpg',0)

									plt.hist(img.ravel(),256,[0,256]);

									plt.show()

效果

opencv python统计及绘制直方图的方法

灰度直方图

当然，在颜色图像检索之类用法时，我们需要的是bgr直方图，原理类似，统计时使用 cv2.calchist()

函数

				?

									import cv2

									import numpy as np

									from matplotlib import pyplot as plt

									img = cv2.imread('/home/yc/pictures/cat.jpg',1)

									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.xlim([0,256])

									plt.show()

效果如下

opencv python统计及绘制直方图的方法

bgr直方图

此外，再介绍一种很原始的计算灰度直方图的方法……感觉代码注释的很完整，相信读者也可以看懂

				?

									import sys

									import numpy as np

									import cv2

									import matplotlib.pyplot as plt

									def main():

									  img=cv2.imread('/home/yc/pictures/cat.jpg',0)

									  #得到计算灰度直方图的值

									  xy=xygray(img)  

									  #画出灰度直方图

									  x_range=range(256)

									  plt.plot(x_range,xy,"r",linewidth=2,c='black')

									  #设置坐标轴的范围

									  y_maxvalue=np.max(xy)

									  plt.axis([0,255,0,y_maxvalue])

									  #设置坐标轴的标签

									  plt.xlabel('gray level')

									  plt.ylabel("number of pixels")

									  plt.show()

									def xygray(img):

									  #得到高和宽

									  rows,cols=img.shape

									  #存储灰度直方图

									  xy=np.zeros([256],np.uint64)

									  for r in range(rows):

									    for c in range(cols):

									      xy[img[r][c]] += 1

									  #返回一维ndarry

									  return xy

									main()