计算机视觉openCV直方图与均值化

直方图与均值化

直方图

（个人看法：他就是把一个图像（一大堆的矩阵数字）全部按照中方图统计一下从0-255）
三个颜色统计出来三个线

代码

import cv2
from matplotlib import pyplot as plt
img=cv2.imread(‘cat.jpg’)
color=(‘b’,‘g’,‘r’)
for i,col in enumerate(color):
hist=cv2.calcHist([img],[0],None,[256],[0,256])
plt.plot(hist,color=col)
plt.xlim([0,256])
plt.imshow(hist)
plt.show()
print(hist.shape)

掩码mask操作
第一步创建掩码mask操作

然后读入猫的图片（图一）

让猫的图跟掩码图（图二）and一下（图三）

绘制两个图作比较（图四）

图一：猫猫原图
图二：设置的掩码
图三：用猫猫原图and掩码图
图四：绘制前后两个图作比较

图像均衡（要转换为灰度图像才能均衡化）
直方图均衡化算法原理
累计概率是前面相加eg：第三个就是前面三个相加
根据函数映射就是（255-0）取值范围*概率

代码
第一步：读入图片

第二步：使用cv2.equalizeHist(img)均衡化像素

第三步：使用plt.hist 画出均衡化的直方图

第四步：使用plt.imshow 画出均衡化后的图像

import cv2
from matplotlib import pyplot as plt
img=cv2.imread(‘cat.jpg’,0)
plt.hist(img.ravel(),256) #ravel（把多维数组转化为一维数组）
plt.show()
equ=cv2.equalizeHist(img)图像均衡
plt.hist(equ.ravel(),256)
plt.show()

均衡化前后对比

自动均值化

第一步：使用cv2.createCLAHE(clipLimit=2.0, titleGridSize=(8, 8)) 实例化均衡直方图函数
第二步：使用.apply进行均衡化操作

第三步：进行画图操作

图一原图
图二图像均衡（种全局的均衡化也会存在一些问题，由于整体亮度的提升，也会使得局部图像的细节变得模糊，因为我们需要进行分块的局部均衡化操作）好多细节都没了
图三自动均值化