Гистограмма изображения OpenCV
В обработке изображений гистограмма — очень важный инструмент, который помогает понять распределение пикселей изображения.
Анализируя гистограмму изображения, можно выполнять такие операции, как улучшение изображения, регулировка контраста и сегментация изображения.
Что такое гистограмма изображения?
Гистограмма изображения — это графическое представление распределения интенсивности пикселей изображения. Для изображений в градациях серого гистограмма показывает частоту появления каждого уровня серого (от 0 до 255) на изображении. Для цветных изображений мы можем вычислить гистограмму отдельно для каждого канала (например, R, G, B).
Гистограмма может помочь нам понять такую информацию, как яркость и контраст изображения. Например, если гистограмма сосредоточена в области низких уровней серого, изображение тёмное; если гистограмма распределена равномерно, изображение имеет хороший контраст.
Гистограмма:Представляет распределение интенсивности пикселей на изображении. По горизонтальной оси откладываются значения интенсивности пикселей, а по вертикальной — количество пикселей с этим значением интенсивности.
Гистограмма градаций серого:Гистограмма для изображений в градациях серого, представляющая количество пикселей на каждом уровне серого.
Цветовая гистограмма:Гистограмма для цветных изображений, представляющая распределение интенсивности пикселей отдельно для каждого цветового канала (например, BGR).
OpenCV предоставляет богатый набор функций для вычисления и обработки гистограмм:
| Характеристика | Функция | Описание |
|---|---|---|
| Вычислить гистограмму | cv2.calcHist() | Вычислить гистограмму изображения. |
| Выравнивание гистограммы | cv2.equalizeHist() | Повысить контраст изображения. |
| Сравнение гистограмм | cv2.compareHist() | Сравнить схожесть двух гистограмм. |
| Построить гистограмму | matplotlib.pyplot.plot() | Используйте Matplotlib для построения гистограмм. |
Функции вычисления гистограмм в OpenCV
В OpenCV мы можем использоватьcv2.calcHist()функцию для вычисления гистограммы изображения.
cv2.calcHist()Синтаксис функции
cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate]])
Описание параметра
- images: Список входных изображений, обычно список, содержащий одноканальные или многоканальные изображения. Например
[img]。 - channels: Индекс канала, для которого нужно вычислить гистограмму. Для изображений в оттенках серого используйте
[0]; для цветных изображений можно использовать[0]、[1]、[2]для вычисления гистограмм синего, зелёного и красного каналов соответственно. - mask: Маска изображения. Если маска указана, вычисляются только пиксели внутри области маски. Если маска не нужна, можно передать
None。 - histSize: Количество интервалов в гистограмме. Для изображений в оттенках серого обычно устанавливается в
[256], указывая, что уровни серого разделены на 256 интервалов. - ranges: Диапазон значений пикселей. Для изображений в оттенках серого он обычно устанавливается в
[0, 256], указывая, что диапазон значений пикселей — от 0 до 255. - hist: Выходной массив гистограммы.
- accumulate: Нужно ли накапливать гистограмму. Если установлено в
True, гистограмма не будет очищаться, а будет накапливаться при каждом вызове.
Предположим, у нас есть изображение в оттенках серогоimg, мы можем использовать следующий код для вычисления его гистограммы:
Пример
import numpy as np
import matplotlib.pyplot as plt
# Прочитать изображение
img = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)
# Вычислить гистограмму
hist = cv2.calcHist([img], [0], None, [256], [0, 256])
# Построить гистограмму
plt.plot(hist)
plt.title('Гистограмма в оттенках серого')
plt.xlabel('Значение пикселя')
plt.ylabel('Частота')
plt.show()
Выравнивание гистограммы
Выравнивание гистограммы — это метод повышения контраста изображения путём перераспределения значений интенсивности пикселей, чтобы сделать гистограмму более равномерной.
Синтаксис:
equalized_image = cv2.equalizeHist(image)
Пример
equalized_image = cv2.equalizeHist(image)
# Отобразить результат
cv2.imshow("Выровненное изображение", equalized_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
Цветовая гистограмма
Вычислить цветовую гистограмму
Для цветных изображений гистограмму каждого цветового канала можно вычислить отдельно.
Пример
image = cv2.imread("path/to/image")
# Вычислить гистограмму каждого канала 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)
# Построить гистограмму
plt.title("Цветовая гистограмма")
plt.xlabel("Интенсивность пикселей")
plt.ylabel("Количество пикселей")
plt.show()
Выравнивание цветовой гистограммы
Для цветных изображений выравнивание гистограммы можно применять к каждому каналу отдельно.
Пример
b, g, r = cv2.split(image)
# Выполнить выравнивание гистограммы для каждого канала
b_eq = cv2.equalizeHist(b)
g_eq = cv2.equalizeHist(g)
r_eq = cv2.equalizeHist(r)
# Объединить каналы
equalized_image = cv2.merge([b_eq, g_eq, r_eq])
# Отобразить результат
cv2.imshow("Эквализированное цветное изображение", equalized_image)
cv2.waitKey(0)
cv2.destroyAllWindows()
Сравнение гистограмм
OpenCV предоставляет функцию cv2.compareHist() для сравнения схожести двух гистограмм.
Синтаксис:
similarity = cv2.compareHist(hist1, hist2, method)
hist1: Первая гистограмма.hist2: Вторая гистограмма.method: Метод сравнения, напримерcv2.HISTCMP_CORREL(корреляционное сравнение).
Пример
hist1 = cv2.calcHist([image1], [0], None, [256], [0, 256])
hist2 = cv2.calcHist([image2], [0], None, [256], [0, 256])
# Сравнить гистограммы
similarity = cv2.compareHist(hist1, hist2, cv2.HISTCMP_CORREL)
print("Сходство гистограмм:", similarity)
Области применения гистограмм
- Улучшение изображения: с помощью выравнивания гистограммы можно повысить контраст изображения, что делает детали более чёткими.
- Сегментация изображения: анализируя гистограмму, можно определить порог для сегментации изображения.
- Сопоставление изображений: сравнивая гистограммы, можно определить сходство двух изображений, что используется для сопоставления и поиска изображений.
- Анализ цвета: с помощью цветовых гистограмм можно проанализировать распределение цветов изображения для цветокоррекции и стилизации.
Ниже приведён полный пример кода для вычисления и выравнивания гистограммы:
Пример
import numpy as np
import matplotlib.pyplot as plt
# Чтение изображения в градациях серого
image = cv2.imread("path/to/image", cv2.IMREAD_GRAYSCALE)
# Вычислить гистограмму в градациях серого
hist = cv2.calcHist([image], [0], None, [256], [0, 256])
# Построить гистограмму
plt.plot(hist)
plt.title("Гистограмма в градациях серого")
plt.xlabel("Интенсивность пикселей")
plt.ylabel("Количество пикселей")
plt.show()
# Выравнивание гистограммы
equalized_image = cv2.equalizeHist(image)
# Отобразить результат
cv2.imshow("Выровненное изображение", equalized_image)
cv2.waitKey(0)
cv2.destroyAllWindows()