Opencv从零开始 - 「启蒙篇」- 直方图、直方图均衡和反向投射
toyiye 2024-09-16 06:05 3 浏览 0 评论
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)
?? 当然,也可以绘制出r,g,b不同通道的直方图
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('../data/home.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])
plt.show()
?? 当然,也可以绘制出ROI的直方图
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('../data/home.jpg',0)
mask = np.zeros(img.shape[:2], np.uint8)
mask[100:300, 100:400] = 255
mask_img = cv.bitwise_and(img, img , mask = mask)
hist_full = cv.calcHist([img],[0],None,[256],[0,256])
hist_mask = cv.calcHist([img],[0],mask,[256],[0,256])
cv.imshow('fd', mask_img)
cv.waitKey(0)
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.show()
直方图均衡化
?? 一副效果好的图像通常在直方图上的分布比较均匀,直方图均衡化就是用来改善图像的全局亮度和对比度。
OpenCV中用cv2.equalizeHist() 实现均衡化:
1?? 灰度图均衡,直接使用cv2.equalizeHist(gray)
2?? 彩色图均衡,分别在不同的通道均衡后合并
import cv2
import numpy as np
img = cv2.imread("girl.jpg", 1)
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
# 灰度图均衡化
equ = cv2.equalizeHist(gray)
# 水平拼接原图和均衡图
result1 = np.hstack((gray, equ))
# 彩色图像均衡化,需要分解通道 对每一个通道均衡化
(b, g, r) = cv2.split(img)
bH = cv2.equalizeHist(b)
gH = cv2.equalizeHist(g)
rH = cv2.equalizeHist(r)
# 合并每一个通道
equ2 = cv2.merge((bH, gH, rH))
# 水平拼接原图和均衡图
result2 = np.hstack((img,equ2))
CLAHE 自适应均衡化
- 直方图均衡化是应用于整幅图片的,会导致一些图片部位太亮,导致大部分细节丢失,因此引入自适应均衡来解决这个问题。
- 它在每一个小区域内(默认8×8)进行直方图均衡化。当然,如果有噪点的话,噪点会被放大,需要对小区域内的对比度进行了限制。
- 彩色图同样需要split为r,g,b后均衡,然后merge。
# 自适应均衡化,参数可选
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
cl1 = clahe.apply(img)
2D直方图
?? 2D直方图通常需要考虑每个颜色(Hue)和饱和度(Saturation)。
?? 同样适用cv2.calcHist()函数计算直方图
?? 参数修改:
- channels=[0,1] 因为我们需要同时处理 H 和 S 两个通道。
- bins=[180,256] H通道为180,S通道为256。
- range=[0,180,0,256] H 的取值范围在0到180, S的取值范围在0到256。
import numpy as np
import cv2 as cv
from matplotlib import pyplot as plt
img = cv.imread('home.jpg')
hsv = cv.cvtColor(img,cv.COLOR_BGR2HSV)
hist = cv.calcHist( [hsv], [0, 1], None, [180, 256], [0, 180, 0, 256] )
plt.imshow(hist,interpolation = 'nearest')
plt.show()
直方图反射投影
- 反向投影可以用来做图像分割,寻找感兴趣区间。它会输出与输入图像大小相同的图像,每一个像素值代表了输入图像上对应点属于目标对象的概率,简言之,输出图像中像素值越高的点越可能代表想要查找的目标。
- 直方图投影经常与camshift(追踪算法)算法一起使用。
- 过程:首先要为包含我们感兴趣区域的图像建立直方图。被查找的对象最好是占据整个图像(图像里全是对象),最好使用颜色直方图,物体的颜色信息比灰度图像更容易被分割和识别。再将颜色直方图投影到输入图像查找目标,也就是找到输入图像中每一个像素点的像素值在直方图中对应的概率,这样就得到一个概率图像,最后设置适当的阈值对概率图像进行二值化。
?? Opencv函数 cv2.calcBackProject()直接实现反向投影,参数与cv2.calcHist() 基本一致。其中一个参数是要查找的目标的直方图。在使用目标直方图反向投影前应该进行归一化处理。返回结果是一个概率图像,然后进行圆盘形状卷积操作,再二值化。
import cv2
import numpy as np
# 想要寻找的roi图片
roi = cv2.imread('roi.png')
hsv = cv2.cvtColor(roi, cv2.COLOR_BGR2HSV)
# 目标搜索图片
target = cv2.imread('football.png')
hsvt = cv2.cvtColor(target, cv2.COLOR_BGR2HSV)
# 计算roi直方图
roihist = cv2.calcHist([hsvt], [0, 1], None, [180, 256], [0, 180, 0, 256])
# 归一化,参数为原图像和输出图像,归一化后值全部在0到255范围
# cv2.NORM_MINMAX 对数组的所有值进行转化,使它们线性映射到最小值和最大值之 间
cv2.normalize(roihist, roihist, 0, 255, cv2.NORM_MINMAX)
dst = cv2.calcBackProject([hsvt], [0,1],roihist, [0, 180, 0, 256], 1)
# 此处卷积可以把分散的点连在一起
disc = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5))
dst = cv2.filter2D(dst, -1, disc)
ret, thresh = cv2.threshold(dst, 50, 255, 0)
#使用merge变成通道图像
thresh = cv2.merge((thresh,thresh,thresh))
# 按位操作
res = cv2.bitwise_and(target, thresh)
res = np.hstack((target, thresh, res))
cv2.imwrite('res.jpg', res)
# 显示图像
cv2.imshow('1', res)
cv2.waitKey(0)
cv2.destroyAllWindows()
未完待续~
------------------------------------可爱の分割线------------------------------------
更多Opencv教程将后续发布,欢迎关注哟~??????
相关推荐
- 为何越来越多的编程语言使用JSON(为什么编程)
-
JSON是JavascriptObjectNotation的缩写,意思是Javascript对象表示法,是一种易于人类阅读和对编程友好的文本数据传递方法,是JavaScript语言规范定义的一个子...
- 何时在数据库中使用 JSON(数据库用json格式存储)
-
在本文中,您将了解何时应考虑将JSON数据类型添加到表中以及何时应避免使用它们。每天?分享?最新?软件?开发?,Devops,敏捷?,测试?以及?项目?管理?最新?,最热门?的?文章?,每天?花?...
- MySQL 从零开始:05 数据类型(mysql数据类型有哪些,并举例)
-
前面的讲解中已经接触到了表的创建,表的创建是对字段的声明,比如:上述语句声明了字段的名称、类型、所占空间、默认值和是否可以为空等信息。其中的int、varchar、char和decimal都...
- JSON对象花样进阶(json格式对象)
-
一、引言在现代Web开发中,JSON(JavaScriptObjectNotation)已经成为数据交换的标准格式。无论是从前端向后端发送数据,还是从后端接收数据,JSON都是不可或缺的一部分。...
- 深入理解 JSON 和 Form-data(json和formdata提交区别)
-
在讨论现代网络开发与API设计的语境下,理解客户端和服务器间如何有效且可靠地交换数据变得尤为关键。这里,特别值得关注的是两种主流数据格式:...
- JSON 语法(json 语法 priority)
-
JSON语法是JavaScript语法的子集。JSON语法规则JSON语法是JavaScript对象表示法语法的子集。数据在名称/值对中数据由逗号分隔花括号保存对象方括号保存数组JS...
- JSON语法详解(json的语法规则)
-
JSON语法规则JSON语法是JavaScript对象表示法语法的子集。数据在名称/值对中数据由逗号分隔大括号保存对象中括号保存数组注意:json的key是字符串,且必须是双引号,不能是单引号...
- MySQL JSON数据类型操作(mysql的json)
-
概述mysql自5.7.8版本开始,就支持了json结构的数据存储和查询,这表明了mysql也在不断的学习和增加nosql数据库的有点。但mysql毕竟是关系型数据库,在处理json这种非结构化的数据...
- JSON的数据模式(json数据格式示例)
-
像XML模式一样,JSON数据格式也有Schema,这是一个基于JSON格式的规范。JSON模式也以JSON格式编写。它用于验证JSON数据。JSON模式示例以下代码显示了基本的JSON模式。{"...
- 前端学习——JSON格式详解(后端json格式)
-
JSON(JavaScriptObjectNotation)是一种轻量级的数据交换格式。易于人阅读和编写。同时也易于机器解析和生成。它基于JavaScriptProgrammingLa...
- 什么是 JSON:详解 JSON 及其优势(什么叫json)
-
现在程序员还有谁不知道JSON吗?无论对于前端还是后端,JSON都是一种常见的数据格式。那么JSON到底是什么呢?JSON的定义...
- PostgreSQL JSON 类型:处理结构化数据
-
PostgreSQL提供JSON类型,以存储结构化数据。JSON是一种开放的数据格式,可用于存储各种类型的值。什么是JSON类型?JSON类型表示JSON(JavaScriptO...
- JavaScript:JSON、三种包装类(javascript 包)
-
JOSN:我们希望可以将一个对象在不同的语言中进行传递,以达到通信的目的,最佳方式就是将一个对象转换为字符串的形式JSON(JavaScriptObjectNotation)-JS的对象表示法...
- Python数据分析 只要1分钟 教你玩转JSON 全程干货
-
Json简介:Json,全名JavaScriptObjectNotation,JSON(JavaScriptObjectNotation(记号、标记))是一种轻量级的数据交换格式。它基于J...
- 比较一下JSON与XML两种数据格式?(json和xml哪个好)
-
JSON(JavaScriptObjectNotation)和XML(eXtensibleMarkupLanguage)是在日常开发中比较常用的两种数据格式,它们主要的作用就是用来进行数据的传...
你 发表评论:
欢迎- 一周热门
- 最近发表
- 标签列表
-
- r语言矩阵 (127)
- browsererror (114)
- exportexcel (119)
- cv2.bitwise_not (137)
- dump命令 (128)
- es6concat (126)
- heapify (127)
- java.security.egd (130)
- javax.annotation (117)
- jsstringsplit (117)
- js数字 (115)
- maven编译 (132)
- mysqlleft (128)
- nodejsbuffer (149)
- org.apache.commons.httpclient (126)
- org.jsoup (141)
- org.springframework.web (128)
- robotframework-ride (115)
- setnocounton (141)
- socket.gethostbyname (122)
- sqlmid (121)
- time.strptime (133)
- vscode格式化 (125)
- win32con (129)
- window.localstorage (126)