圖像直方圖

那么，圖像直方圖到底是什么？

圖片

圖像的構(gòu)成是由像素點(diǎn)構(gòu)成的，每個像素點(diǎn)的值代表著該點(diǎn)的顏色（灰度圖或者彩色圖）。所謂直方圖就是對圖像的中的這些像素點(diǎn)的值進(jìn)行統(tǒng)計，得到一個統(tǒng)一的整體的灰度概念。直方圖表示圖像中顏色的分布?？梢詫⑵淇梢暬癁閳D表（或曲線圖），以直觀地了解強(qiáng)度（像素值）分布。直方圖的好處就在于可以清晰了解圖像的整體灰度分布，這對于計算機(jī)視覺處理圖片有關(guān)重要。

一般情況下直方圖都是灰度圖像，直方圖x軸是灰度值（一般0~255），y軸就是圖像中每一個灰度級對應(yīng)的像素點(diǎn)的個數(shù)。

灰度空間圖片直方圖

如何獲取圖片直方圖

圖片直方圖的獲取，opencv已經(jīng)幫我們集成了函數(shù)，當(dāng)然numpy也同樣可以 獲取

from matplotlib import pyplot as plt
import numpy as np
import cv2
image = cv2.imread("1.jpg")
img = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
hist = cv2.calcHist([img], [0], None, [256], [0, 256])
#numpy方法讀取-np.histogram()
#hist_np,bins = np.histogram(img.ravel(),256,[0,256])
#numpy的另一種方法讀取-np.bincount()
#hist_np1 = np.bincount(img.ravel(),minlength=256)
cv2.imshow("gray", img)
plt.figure()
plt.title("Grayscale Histogram")
plt.xlabel("Bins")
plt.ylabel("# of Pixels")
plt.plot(hist)
plt.show()

代碼截圖

cv2.calcHist()，該函數(shù)傳遞5個參數(shù)：

1. image輸入圖像，此參數(shù)是一個list 對象
2. channels:：傳入圖像的通道，如果是灰度圖像，只有一個通道，值為0，如果是彩色圖像（B G R），那么值為0,1,2,中選擇一個，對應(yīng)著BGR各個通道。同樣為list 對象。
3. mask：掩膜圖像。如果統(tǒng)計整幅圖，那么為none。主要是如果要統(tǒng)計部分圖的直方圖，就得構(gòu)造相應(yīng)的掩膜圖像來計算。
4. histSize：灰度級的個數(shù)，比如[256]，或者三個通道的[32,32,32]
5. ranges:像素值的范圍，通常[0,256]，通常，這是[0, 256]針對每個通道的，但是如果您使用的顏色空間不是RGB（例如HSV），則范圍可能會有所不同。

以上展示了圖片在灰度值中的顏色直方圖，當(dāng)然，我們的圖片是R G B的三色圖片，我們也可以分別展示圖片在R G B 空間內(nèi)的圖片直方圖。

彩色空間圖片直方圖

from matplotlib import pyplot as plt
import numpy as np
import cv2
image = cv2.imread("1.jpg")
cv2.imshow("image", image)
chans = cv2.split(image)
colors = ("b", "g", "r")
plt.figure()
plt.title("'Flattened' Color Histogram")
plt.xlabel("Bins")
plt.ylabel("# of Pixels")
features = []
for (chan, color) in zip(chans, colors):
	hist = cv2.calcHist([chan], [0], None, [256], [0, 256])
	features.extend(hist)
	plt.plot(hist, color = color)
	plt.xlim([0, 256])
plt.show()

代碼截圖

chans = cv2.split(image)函數(shù)把圖片分別分割成 R G B 三色空間

分別把三色空間的 R G B 空間傳入cv2.calcHist([chan], [0], None, [256], [0, 256])函數(shù)來生成不同空間內(nèi)的顏色圖片直方圖，最后把圖片顯示出來

圖片mask參數(shù)

cv2.calcHist函數(shù)可以接受mask 來進(jìn)行圖片直方圖的顯示，默認(rèn)計算圖片的所有區(qū)域，但是有時候我們不需要圖片的所有區(qū)域，我們可以使用mask來扣自己需要的圖片區(qū)域，進(jìn)而可以進(jìn)行自己想要圖片區(qū)域的直方圖

mask 圖片直方圖

from matplotlib import pyplot as plt
import numpy as np
import cv2
image = cv2.imread("1.jpg")
img = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
mask = np.zeros(img.shape[:2],np.uint8)
mask[100:500,100:500] = 255
mask_img = cv2.bitwise_and(img,img,mask=mask)
hist = cv2.calcHist([img], [0], mask, [256], [0, 256])
cv2.imshow("mask", mask_img)
plt.figure()
plt.title("Grayscale Histogram")
plt.xlabel("Bins")
plt.ylabel("# of Pixels")
plt.plot(hist)
plt.show()

代碼截圖

首先我們獲取圖片的尺寸img.shape[:2]，有了圖片的尺寸

我們可以標(biāo)注自己需要的圖片區(qū)域mask[100:500,100:500] = 255

使用cv2.bitwise_and 函數(shù)把原來圖片中的需要的局部區(qū)域提取出來，我們可以show一下，看看是否是自己需要的區(qū)域

有了mask的區(qū)域，使用cv2.calcHist([img], [0], mask, [256], [0, 256])函數(shù)，傳遞mask 參數(shù)，進(jìn)而可以實(shí)現(xiàn)mask圖片的直方圖顯示。

圖片直方圖均衡化

這種方法通常用來增加許多圖像的全局對比度，尤其是當(dāng)圖像的有用數(shù)據(jù)的對比度相當(dāng)接近的時候。通過這種方法，亮度可以更好地在直方圖上分布。這樣就可以用于增強(qiáng)局部的對比度而不影響整體的對比度，直方圖均衡化通過有效地擴(kuò)展常用的亮度來實(shí)現(xiàn)這種功能。

這種方法對于背景和前景都太亮或者太暗的圖像非常有用，這種方法尤其是可以帶來X光圖像中更好的骨骼結(jié)構(gòu)顯示以及曝光過度或者曝光不足照片中更好的細(xì)節(jié)。這種方法的一個主要優(yōu)勢是它是一個相當(dāng)直觀的技術(shù)并且是可逆操作，如果已知均衡化函數(shù)，那么就可以恢復(fù)原始的直方圖，并且計算量也不大。這種方法的一個缺點(diǎn)是它對處理的數(shù)據(jù)不加選擇，它可能會增加背景噪聲的對比度并且降低有用信號的對比度。

圖片直方圖均衡化

有兩個問題比較難懂，一是為什么要選用累積分布函數(shù)，二是為什么使用累積分布函數(shù)處理后像素值會均勻分布。

直方圖均衡化包括三個步驟：

1. 統(tǒng)計直方圖中每個灰度級出現(xiàn)的次數(shù)；
2. 計算累計歸一化直方圖；
3. 重新計算像素點(diǎn)的像素值；

from matplotlib import pyplot as plt
import numpy as np
import cv2
image = cv2.imread("1.jpg")
img = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
res = cv2.equalizeHist(img)
cv2.imshow('img',img)
cv2.imshow('res',res)
cv2.waitKey(0)

代碼截圖

opencv 使用此函數(shù)res = cv2.equalizeHist(img)，對圖片進(jìn)行均衡化進(jìn)行處理，此函數(shù)是opencv全局化操作，這個操作在我們需要局部調(diào)整時不太適用，同理mask參數(shù)，opencv存在一種局部化處理的函數(shù)cv2.createCLAHE()，此函數(shù)接受一個局部尺寸參數(shù)數(shù)據(jù)

局部化處理

from matplotlib import pyplot as plt
import numpy as np
import cv2
image = cv2.imread("1.jpg")
img = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
#res = cv2.equalizeHist(img)
cla = cv2.createCLAHE(clipLimit=2,tileGridSize=(10,10))
res = cla.Apply(img)
cv2.imshow('img',img)
cv2.imshow('res',res)
cv2.waitKey(0)

代碼截圖

總結(jié)

圖片直方圖在相識圖片搜索引擎中起到了至關(guān)重要的作用，如何使用圖片直方圖來進(jìn)行相識圖片的搜索，我們下期分享，幫你打造一款屬于自己的相識圖片搜索引擎。