Opencv中的cv2.calcHist()函数的作用及返回值说明
作者:S.C.Dragon 时间:2021-03-26 10:27:56
在讨论其返回值前,我们先来介绍以下calcHist()函数的用法:
cv2.calcHist()函数
cv2.calcHist()函数的作用
通过直方图可以很好的对整幅图像的灰度分布有一个整体的了解,直方图的x轴是灰度值(0~255),y轴是图片中具有同一个灰度值的点的数目。
而calcHist()函数则可以帮助我们统计一幅图像的直方图
cv2.calcHist(images,channels,mask,histSize,ranges)
images
: 原图像图像格式为 uint8 或 float32。当传入函数时应 用中括号 [] 括来例如[img]channels
: 同样用中括号括来它会告函数我们统幅图 像的直方图。如果入图像是灰度图它的值就是 [0]如果是彩色 图像 的传入的参数可以是 [0][1][2] 它们分别对应着 BGR。mask
: 掩模图像。统整幅图像的直方图就把它为 None。但是如果你想统图像某一分的直方图的你就制作一个掩模图像并使用它。histSize
:BIN 的数目。也应用中括号括来BINS
: 上面的直方图显示了每个像素值的像素数,即从0到255。即您需要256个值才能显示上述直方图。但是请考虑一下,如果您不需要单独查找所有像素值的像素数,而是在像素值间隔内查找像素数,该怎么办?例如,您需要找到介于 0 到 15 之间的像素数,然后是 16 到 31、...、240 到 255。您只需要 16 个值来表示直方图。因此,只需将整个直方图拆分为 16 个子部分,每个子部分的值就是其中所有像素计数的总和。这每个子部分都称为"BIN"。在第一种情况下,条柱数为256(每个像素一个),而在第二种情况下,它只有16。BINS 在 OpenCV 文档中由术语histSize表示。
ranges
: 像素值范围常为 [0 256]
示例:
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('cat.jpg', 0) # 0表示灰度图
hist = cv2.calcHist([img], [0], None, [256], [0, 256])
# print(hist)
# print(hist[175])
# print(type(hist))
plt.hist(img.ravel(),256);
#print(img.ravel())
plt.show()
输出结果:
示例2:多通道图的“直方图”
import cv2
import numpy as np
import matplotlib.pyplot as plt
img = cv2.imread('cat.jpg')
color = ('b','g','r')
for i,col in enumerate(color):
histr = cv2.calcHist([img],[i],None,[256],[0,256])
plt.plot(histr,color = col)
plt.xlim([0,256])
print(i,col)
输出结果:
到这里完整的直方图就这样子绘制出来了,但是大家也许会对calcHist的返回值有疑问,到底返回了什么才能画出来这样的图像呢?下面我们则来讨论该函数的返回值
cv2.calcHist()函数的返回值
对于hist = cv2.calcHist([img],[0],None,[256],[0,256])中,hist是一个256*1的矩阵,每一个值代表了每个灰度值对应的像素点数目
print(type(hist))
<class 'numpy.ndarray'>
输出的结果表示这是一个多维数组
print(hist)
[[1.000e+00]
[0.000e+00]
[2.000e+00]
[0.000e+00]
.......
[2.010e+02]
[2.180e+02]
[2.160e+02]
[2.660e+02]
[3.350e+02]
[3.110e+02]
[4.670e+02]]
经计算,共有256个值,即可以输出hist[0]到hist[255]。
整个hist[i]则表示灰度值
print(hist[175],hist[255])
[3181.] [467.]
通过直方图可看出输出的结果就是每一个灰度值对应的像素数目
来源:https://blog.csdn.net/star_sky_sc/article/details/122371392
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
pandas获取groupby分组里最大值所在的行方法
CSS教程:轻松解决表格的nobr问题
PyCharm第一次安装及使用教程
![](https://img.aspxhome.com/file/2023/8/75178_0s.png)
PyQt5 PySide2 触摸测试功能的实现代码
![](https://img.aspxhome.com/file/2023/3/86643_0s.png)
在keras下实现多个模型的融合方式
![](https://img.aspxhome.com/file/2023/5/77755_0s.jpg)
python实现获取序列中最小的几个元素
golang实现分页算法实例代码
python借助ChatGPT读取.env实现文件配置隔离保障私有数据安全
Python实现生活常识解答机器人
![](https://img.aspxhome.com/file/2023/6/70726_0s.png)
基于JavaScript实现鼠标向下滑动加载div的代码
PyTorch 之 强大的 hub 模块和搭建神经网络进行气温预测
![](https://img.aspxhome.com/file/2023/0/87600_0s.png)
在pycharm中显示python画的图方法
![](https://img.aspxhome.com/file/2023/0/80600_0s.jpg)
解决hive中导入text文件遇到的坑
详解Python数据可视化编程 - 词云生成并保存(jieba+WordCloud)
![](https://img.aspxhome.com/file/2023/1/62011_0s.png)
python创造虚拟环境方法总结
![](https://img.aspxhome.com/file/2023/4/72874_0s.png)
解决MySQL数据库中与优化器有关的问题
Oracle数据库与SQL Server数据库镜像对比
使用Python给头像戴上圣诞帽的图像操作过程解析
![](https://img.aspxhome.com/file/2023/4/92304_0s.jpg)
asp 通用修改和增加函数代码
Python基础之模块相关知识总结
![](https://img.aspxhome.com/file/2023/1/70251_0s.png)