Skip to main content

15: 直方图

学习计算并绘制直方图，直方图均衡化等。图片等可到文末引用处下载。

目标​

  • 计算并绘制直方图
  • （自适应）直方图均衡化
  • OpenCV 函数：cv2.calcHist(), cv2.equalizeHist()

教程​

啥叫直方图​

简单来说，直方图就是图像中每个像素值的个数统计，比如说一副灰度图中像素值为 0 的有多少个，1 的有多少个……

在计算直方图之前，有几个术语先来了解一下：

  • dims: 要计算的通道数，对于灰度图 dims=1，普通彩色图 dims=3
  • range: 要计算的像素值范围，一般为[0,256)
  • bins: 子区段数目，如果我们统计 0~255 每个像素值，bins=256；如果划分区间，比如 0~15, 16~31…240~255 这样 16 个区间，bins=16

计算直方图​

OpenCV 和 Numpy 中都提供了计算直方图的函数，我们对比下它们的性能。

OpenCV 中直方图计算​

使用cv2.calcHist(images, channels, mask, histSize, ranges)计算，其中：

  • 参数 1：要计算的原图，以方括号的传入，如：[img]
  • 参数 2：类似前面提到的 dims，灰度图写[0] 就行，彩色图 B/G/R 分别传入[0]/[1]/[2]
  • 参数 3：要计算的区域，计算整幅图的话，写 None
  • 参数 4：前面提到的 bins
  • 参数 5：前面提到的 range
import cv2
import numpy as np
import matplotlib.pyplot as plt

img = cv2.imread('hist.jpg', 0)
hist = cv2.calcHist([img], [0], None, [256], [0, 256])  # 性能：0.025288 s

Numpy 中直方图计算​

也可用 Numpy 的函数计算，其中ravel()函数将二维矩阵展平变成一维数组，之前有提到过：

hist, bins = np.histogram(img.ravel(), 256, [0, 256])  # 性能：0.020628 s
tip

Numpy 中还有一种更高效的方式：（还记得怎么评估性能吗：番外篇：代码性能优化）

hist = np.bincount(img.ravel(), minlength=256)  # 性能：0.003163 s

计算出直方图之后，怎么把它画出来呢？

绘制直方图​

其实 Matplotlib 自带了一个计算并绘制直方图的功能，不需要用到上面的函数：

plt.hist(img.ravel(), 256, [0, 256])
plt.show()

当然，也可以用前面计算出来的结果绘制：

plt.plot(hist)
plt.show()

从直方图上可以看到图片的大部分区域集中在 150 偏白的附近，这其实并不是很好的效果，下面我们来看看如何改善它。

使用 OpenCV 的画线功能也可以画直方图，不过太麻烦了，有兴趣的可以看下官方示例：hist.py。

直方图均衡化​

一副效果好的图像通常在直方图上的分布比较均匀，直方图均衡化就是用来改善图像的全局亮度和对比度。其实从观感上就可以发现，前面那幅图对比度不高，偏灰白。对均衡化算法感兴趣的同学可参考：维基百科：直方图均衡化

equ = cv2.equalizeHist(img)

OpenCV 中用cv2.equalizeHist()实现均衡化。我们把两张图片并排显示，对比一下：

cv2.imshow('equalization', np.hstack((img, equ)))  # 并排显示
cv2.waitKey(0)

均衡化前后的直方图对比

可以看到均衡化后图片的亮度和对比度效果明显好于原图。

自适应均衡化​

不难看出来，直方图均衡化是应用于整幅图片的，会有什么问题呢？看下图：

很明显，因为全局调整亮度和对比度的原因，脸部太亮，大部分细节都丢失了。

自适应均衡化就是用来解决这一问题的：它在每一个小区域内（默认 8×8）进行直方图均衡化。当然，如果有噪点的话，噪点会被放大，需要对小区域内的对比度进行了限制，所以这个算法全称叫：对比度受限的自适应直方图均衡化CLAHE(Contrast Limited Adaptive Histogram Equalization)。

# 自适应均衡化，参数可选
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
cl1 = clahe.apply(img)

练习​

  1. cv2.calcHist()函数中的参数 3 是指要计算的区域(mask：目标区域白色，其余黑色)，编写一个只计算图片左上角 200×200 区域直方图的程序。

小结​

  • 直方图是一种分析图像的手段。
  • cv2.calcHist()和numpy.bincount()均可用来计算直方图，使用 Matplotlib 绘制直方图。
  • 均衡化用来使图像的直方图分布更加均匀，提升亮度和对比度。

引用​