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()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