Histograma de imágenes OpenCV
En el procesamiento de imágenes, el histograma es una herramienta muy importante que nos ayuda a comprender la distribución de píxeles de una imagen.
Al analizar el histograma de una imagen, podemos realizar operaciones como mejora de imagen, ajuste de contraste y segmentación de imágenes.
¿Qué es un histograma de imagen?
El histograma de imagen es una representación gráfica de la distribución de intensidad de píxeles de una imagen. Para imágenes en escala de grises, el histograma muestra la frecuencia de cada nivel de gris (0 a 255) en la imagen. Para imágenes en color, podemos calcular el histograma de cada canal por separado (como R, G, B).
El histograma nos ayuda a comprender información como el brillo y el contraste de la imagen. Por ejemplo, si el histograma se concentra en regiones de bajo nivel de gris, la imagen es oscura; si la distribución del histograma es uniforme, el contraste de la imagen es bueno.
Histograma:Representa la distribución de la intensidad de píxeles en una imagen; el eje horizontal representa los valores de intensidad de píxel y el eje vertical representa el número de píxeles con ese valor de intensidad.
Histograma de escala de grises:Histograma para imágenes en escala de grises, que representa el número de píxeles en cada nivel de gris.
Histograma de color:Histograma para imágenes en color, que representa la distribución de intensidad de píxeles de cada canal de color (como BGR).
OpenCV proporciona funciones completas para el cálculo y manipulación de histogramas:
| Funcionalidad | Función | Descripción |
|---|---|---|
| Calcular histograma | cv2.calcHist() | Calcula el histograma de una imagen. |
| Ecualización de histograma | cv2.equalizeHist() | Mejora el contraste de la imagen. |
| Comparación de histogramas | cv2.compareHist() | Compara la similitud de dos histogramas. |
| Dibujar histograma | matplotlib.pyplot.plot() | Dibuja el histograma usando Matplotlib. |
Funciones de cálculo de histogramas en OpenCV
En OpenCV, podemos usarcv2.calcHist()la función para calcular el histograma de la imagen.
cv2.calcHist()Sintaxis de la función
cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate]])
Descripción de parámetros
- images: Lista de imágenes de entrada, generalmente una lista que contiene imágenes de un solo canal o de múltiples canales. Por ejemplo
[img]。 - channels: Índice del canal para el que se calcula el histograma. Para imágenes en escala de grises, use
[0]; para imágenes en color, puede usar[0]、[1]、[2]para calcular respectivamente los histogramas de los canales azul, verde y rojo. - mask: Imagen de máscara. Si se especifica una máscara, solo se calculan los píxeles dentro del área de la máscara. Si no se necesita máscara, puede pasar
None。 - histSize: Número de bins del histograma. Para imágenes en escala de grises, generalmente se establece en
[256], lo que significa dividir los niveles de gris en 256 bins. - ranges: Rango de valores de píxel. Para imágenes en escala de grises, generalmente se establece en
[0, 256], lo que significa que el rango de valores de píxel es de 0 a 255. - hist: Matriz de histograma de salida.
- accumulate: Si se acumula el histograma. Si se establece en
True, el histograma no se pone a cero, sino que se acumula en cada llamada.
Supongamos que tenemos una imagen en escala de grisesimg, podemos usar el siguiente código para calcular su histograma:
Ejemplo
import numpy as np
import matplotlib.pyplot as plt
# Leer la imagen
img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)
# Calcular el histograma
hist = cv2.calcHist([img], [0], None, [256], [0, 256])
# Dibujar el histograma
plt.plot(hist)
plt.title('Grayscale Histogram')
plt.xlabel('Pixel Value')
plt.ylabel('Frequency')
plt.show()
Ecualización de histograma
La ecualización de histograma es un método para mejorar el contraste de la imagen, redistribuyendo los valores de intensidad de píxeles para que el histograma sea más uniforme.
Sintaxis:
equalized_image = cv2.equalizeHist(image)
Ejemplo
equalized_image = cv2.equalizeHist(image)
# Mostrar el resultado
cv2.imshow("Equalized Image", equalized_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
Histograma de color
Calcular histograma de color
Para imágenes en color, se puede calcular el histograma de cada canal de color por separado.
Ejemplo
image = cv2.imread("path/to/image")
# Calcular el histograma de cada canal BGR
colors = ('b', 'g', 'r')
for i, color in enumerate(colors):
hist = cv2.calcHist([image], [i], None, [256], [0, 256])
plt.plot(hist, color=color)
# Dibujar el histograma
plt.title("Color Histogram")
plt.xlabel("Pixel Intensity")
plt.ylabel("Pixel Count")
plt.show()
Ecualización de histograma de color
Para imágenes en color, se puede realizar la ecualización de histograma en cada canal por separado.
Ejemplo
b, g, r = cv2.split(image)
# Realizar ecualización de histograma en cada canal
b_eq = cv2.equalizeHist(b)
g_eq = cv2.equalizeHist(g)
r_eq = cv2.equalizeHist(r)
# Fusionar canales
equalized_image = cv2.merge([b_eq, g_eq, r_eq])
# Mostrar el resultado
cv2.imshow("Equalized Color Image", equalized_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
Comparación de histogramas
OpenCV proporciona la función cv2.compareHist() para comparar la similitud de dos histogramas.
Sintaxis:
similarity = cv2.compareHist(hist1, hist2, method)
hist1: Primer histograma.hist2: Segundo histograma.method: Método de comparación, por ejemplocv2.HISTCMP_CORREL(comparación de correlación).
Ejemplo
hist1 = cv2.calcHist([image1], [0], None, [256], [0, 256])
hist2 = cv2.calcHist([image2], [0], None, [256], [0, 256])
# Comparar histogramas
similarity = cv2.compareHist(hist1, hist2, cv2.HISTCMP_CORREL)
print("Histogram Similarity:", similarity)
Aplicaciones del histograma
- Mejora de imagen: mediante la ecualización de histograma se puede mejorar el contraste de la imagen y hacer que los detalles sean más nítidos.
- Segmentación de imágenes: analizando el histograma se puede determinar el umbral para la segmentación de imágenes.
- Coincidencia de imágenes: comparando histogramas se puede determinar la similitud entre dos imágenes, para la coincidencia y recuperación de imágenes.
- Análisis de color: mediante el histograma de color se puede analizar la distribución de color de la imagen, para la corrección de color y el procesamiento de estilización.
El siguiente es un código de ejemplo completo de cálculo y ecualización de histograma:
Ejemplo
import numpy as np
import matplotlib.pyplot as plt
# Leer imagen en escala de grises
image = cv2.imread("path/to/image", cv2.IMREAD_GRAYSCALE)
# Calcular histograma de escala de grises
hist = cv2.calcHist([image], [0], None, [256], [0, 256])
# Dibujar el histograma
plt.plot(hist)
plt.title("Grayscale Histogram")
plt.xlabel("Pixel Intensity")
plt.ylabel("Pixel Count")
plt.show()
# Ecualización de histograma
equalized_image = cv2.equalizeHist(image)
# Mostrar el resultado
cv2.imshow("Equalized Image", equalized_image)
cv2.waitKey(0)
cv2.destroyAllWindows()