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:

ХарактеристикаФункцияОписание
Вычислить гистограммуcv2.calcHist()Вычислить гистограмму изображения.
Выравнивание гистограммыcv2.equalizeHist()Повысить контраст изображения.
Сравнение гистограммcv2.compareHist()Сравнить схожесть двух гистограмм.
Построить гистограммуmatplotlib.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 передатьNone。
  • 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 вTrue, 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 cv2
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

# Выравнивание гистограммы
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

# Чтение цветного изображения
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

# Разделение каналов
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

# Вычислить гистограммы двух изображений
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 cv2
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()
Другие расширения