hsv 直方图均衡化_Opencv从零开始 - 「启蒙篇」- 直方图、直方图均衡和反向投射...

本文主要介绍一些opencv关于直方图的一些知识运用，直方图是非常常用的图像处理方法，有时候在很多图像预处理中能起到特别好的效果，大家可以一起来学习探讨~

目录

• 直方图
• 计算直方图
• 直方图均衡化
• CLAHE 自适应均衡化
• 2D直方图
• 直方图反射投影

直方图

✏️ 问：什么是直方图？

️ 答：直方图是可以对整幅图的灰度分布进行整体了解的图示，通过直方图我们可以对图像的对比度、亮度和灰度分布等有一个直观了解。

计算直方图

• 使用opencv的函数cv2.calcHist(images, channels, mask, histSize, ranges):
  • 参数1：要计算的原图，以方括号的传入，如：[img]。
  • 参数2：类似前面提到的dims，灰度图写[0]就行，彩色图B/G/R分别传入[0]/[1]/[2]。
  • 参数3：要计算的区域ROI，计算整幅图的话，写None。
  • 参数4：也叫bins,子区段数目，如果我们统计0-255每个像素值，bins=256；如果划分区间，比如0-15, 16-31…240-255这样16个区间，bins=16。
  • 参数5：range,要计算的像素值范围，一般为[0,256)。

hist = cv2.calcHist([img], [0], None, [256], [0, 256])  # 性能：0.025288 s

• 使用numpy的函数 np.bincount():
  • 用Numpy的函数计算，其中ravel()函数将二维矩阵展平变成一维数组.

hist = np.bincount(img.ravel(), minlength=256)  # 性能：0.003163 s

• 绘制直方图使用Matplotlib自带的绘制工具plt.hist()绘制。

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

✔️ 当然，也可以用前面计算出来的结果绘制：

plt.plot(hist)