IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 人工智能 -> OpenCV直方图-查找、绘制和分析 -> 正文阅读

[人工智能]OpenCV直方图-查找、绘制和分析

1.查找直方图

直方图是在X轴上具有像素值(不总是从0到255的范围),在Y轴上具有图像中相应像素数的图。通过查看图像的直方图,可以直观地了解该图像的对比度,亮度,强度分布等。

相关概念

  • BINS:

直方图显示每个像素值的像素数。若需要256个值来显示上直方图即从0到255,则bin的数量为256个(每个像素一个);若需要找到介于0到15之间的像素数,然后找到16到31之间,…,240到255之间的像素数。只需要16个值即可表示直方图,这种情况bin的数量仅为16个。

  • DIMS:

收集数据的参数的数量。在这种情况下,仅收集关于强度值的一件事的数据。所以这里是1。

  • RANGE:

要测量的强度值的范围。通常,它是 [0,256] ,即所有强度值。

OpenCV中的直方图计算

主要使用cv.calcHist()函数来实现。

cv.calcHist(images,channels,mask,histSize,ranges [,hist [,accumulate]]

参数如下:

  • images:它是uint8或float32类型的源图像。它应该放在方括号中,即“[img]”
  • channels:也以方括号给出。它是计算直方图的通道的索引。例如,如果输入为灰度图像,则其值为[0]。对于彩色图像,可以传递[0],[1]或[2]分别计算蓝色,绿色或红色通道的直方图
  • mask:图像掩码。为了找到完整图像的直方图,将其指定为“无”。但是,如果要查找图像特定区域的直方图,则必须为此创建一个掩码图像并将其作为掩码
  • histSize:BIN计数。需要放在方括号中。对于全尺寸为[256]
  • ranges:通常为[0,256]
  • 返回值:N*1的数组,每个值对应于该图像中具有相应像素值的像素数

numpy的直方图计算

主要使用np.histogram()函数来实现。

histogram(a,bins,range=None,weights=None,density=False)

参数如下:

  • a:待统计数据的数组
  • bins:指定统计的区间个数
  • range:一个长度为2的元组,表示统计范围的最小值和最大值,默认值None,表示范围由数据的范围决定
  • weights:为数组的每个元素指定了权值,histogram()会对区间中数组所对应的权值进行求和
  • density:为True时,返回每个区间的概率密度;为False,返回每个区间中元素的个数
  • 返回值:hist和bins。hist是N*1的数组,每个值对应于该图像中具有相应像素值的像素数。bins将具有257个元素,因为Numpy计算出bin的范围为 0-0.99 、1-1.99 、 2-2.99 等。因此最终范围为 255-255.99 。为了表示这一点,还在最后添加了256。

对于一维直方图,可以使用np.bincount()来实现。

代码示例:

hist = np.bincount(img.ravel(),minlength = 256)

代码示例:

import numpy as np
import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac1.jpg')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
hist1 = cv.calcHist([img_gray], [0], None, [256], [0, 256])
hist2, bins2 = np.histogram(img_gray, 257)
print(hist1, hist2, bins2)

2.绘制直方图

方法一:使用Matplotlib

主要使用matplotlib.pyplot.hist()函数来实现。

matplotlib.pyplot.hist(x, bins=10, range=None, normed=False, weights=None, cumulative=False, bottom=None, histtype=u'bar', align=u'mid', orientation=u'vertical', rwidth=None, log=False, color=None, label=None, stacked=False, hold=None, **kwargs)

参数如下:

  • x : 指定每个bin分布的数据,对应x轴
  • bins : 指定bin的个数,也就是总共有几条条状图
  • range:表示统计范围的最小值和最大值,默认值None,表示范围由数据的范围决定
  • normed : 指定密度,也就是每个条状图的占比例比,默认为1
  • weights:为数组的每个元素指定了权值,histogram()会对区间中数组所对应的权值进行求和
  • color : 指定条状图的颜色
  • facecolor: 直方图颜色
  • edgecolor: 直方图边框颜色
  • alpha: 透明度
  • histtype: 直方图类型,‘bar’, ‘barstacked’, ‘step’, ‘stepfilled’

代码示例:

from matplotlib import pyplot as plt
import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac1.jpg')
img_gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)
plt.hist(img_gray.ravel(), 256, [0, 256])
plt.show()

也可以使用matplotlib.pyplot.plot()函数来实现。

plot([x], y, [fmt], *, data=None, **kwargs)

函数用来绘制线条或标记的轴。参数是一个可变长度参数,允许多个X、Y对可选的格式字符串。

代码示例:

from matplotlib import pyplot as plt
import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac1.jpg')
color = ('b', 'g', 'r')
for i, col in enumerate(color):
    histr = cv.calcHist([img], [i], None, [256], [0, 256])
    plt.plot(histr, color = col)
    plt.xlim([0, 256])  #获取或者是设定x座标轴的范围
plt.show()

方法二:使用OpenCV

调整直方图的值及其bin值,使其看起来像x,y坐标,以便使用cv.line()或cv.polyline()函数绘制它以生成与上述相同的图像。

3.掩码应用

用于只想找到某些指定区域的直方图。创建一个掩码图像,在要找到直方图的地方设为白色,否则为黑色。然后把这个作为掩码传递。

代码示例:

from matplotlib import pyplot as plt
import numpy as np
import cv2 as cv
img = cv.imread('C:\\Users\\dell\\Desktop\\prac files\\prac1.jpg')
img = cv.cvtColor(img, cv.COLOR_BGR2RGB)
mask = np.zeros(img.shape[:2], np.uint8)
mask[100:300, 100:400] = 255
masked_img = cv.bitwise_and(img,img,mask = mask)
# 计算掩码区域和非掩码区域的直方图
# 检查作为掩码的第三个参数
hist_full = cv.calcHist([img],[0],None,[256],[0,256])
hist_mask = cv.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(masked_img, 'gray')
plt.subplot(224), plt.plot(hist_full), plt.plot(hist_mask)
plt.xlim([0,256])
plt.show()
  人工智能 最新文章
2022吴恩达机器学习课程——第二课(神经网
第十五章 规则学习
FixMatch: Simplifying Semi-Supervised Le
数据挖掘Java——Kmeans算法的实现
大脑皮层的分割方法
【翻译】GPT-3是如何工作的
论文笔记:TEACHTEXT: CrossModal Generaliz
python从零学(六)
详解Python 3.x 导入(import)
【答读者问27】backtrader不支持最新版本的
上一篇文章      下一篇文章      查看所有文章
加:2021-08-30 12:03:49  更:2021-08-30 12:04:02 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/27 17:46:08-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码