OpenCV Python 怎样计算并绘制图像区域的直方图?
在OpenCV中,我们使用cv2.calcHist()函数计算图像直方图。我们也可以使用该函数来计算图像区域的直方图。首先,我们需要定义一个掩码来计算图像区域的直方图。掩码中的白色用于原始输入图像中要检查的区域,掩码图像中的黑色则用于要忽略的区域。现在,我们将该掩码作为函数的参数来计算直方图。
步骤
要计算并绘制图像区域的直方图,可以按照以下步骤进行 ŌłÆ
- 导入所需的库:OpenCV、NumPy和matplotlib。请确保已经安装了它们。
-
使用cv2.imread()方法读取输入图像。指定图像的完整路径。
-
为图像定义掩码。掩码图像中的黑色是要忽略的区域,白色是原始输入图像中要检查的区域。
-
使用cv2.split()函数拆分输入图像的不同通道(蓝色、绿色和红色)。
-
使用上述定义的掩码计算输入图像的不同通道的直方图。绘制输入图像的不同颜色的直方图。
hist = cv2.calcHist([channel], [0], mask, [256], [0, 256])
- 要可视化输入图像的掩码区域,请对输入图像和掩码图像进行cv2.bitwise_and()操作。它将创建输入图像的掩码区域。
让我们看一些例子,以便更好地理解问题。
输入
下面的图像将作为我们的输入文件。
示例
在此示例中,我们计算输入图像的矩形区域的直方图并绘制直方图。
# 导入所需的库
import cv2
from matplotlib import pyplot as plt
import numpy as np
# 读取输入图像
img = cv2.imread('architecture2.jpg')
# 定义计算并绘制直方图的函数
def plot_histogram(img, title, mask=None):
# 把图像分成蓝、绿、红三个通道
channels = cv2.split(img)
colors = ("b", "g", "r")
plt.title(title)
plt.xlabel("Bins")
plt.ylabel("# of Pixels")
# 循环遍历图像通道
for (channel, color) in zip(channels, colors):
# 计算当前通道的直方图并绘制
hist = cv2.calcHist([channel], [0], mask, [256], [0, 256])
plt.plot(hist, color=color)
plt.xlim([0, 256])
# 为图像定义遮罩;黑色代表要忽略的区域
# 白色代表要检查的区域
mask = np.zeros(img.shape[:2], dtype="uint8")
cv2.rectangle(mask, (160, 130), (410, 290), 255, -1)
# 显示遮罩区域
masked = cv2.bitwise_and(img, img, mask=mask)
# 计算遮罩图像的直方图
plot_histogram(img, "遮罩图像的直方图", mask=mask)
# 显示图形
plt.show()cv2.imshow("遮罩", mask)
cv2.imshow("遮罩图像", masked)
输出
当您运行上面的Python程序时,它会产生以下输出窗口。
上面的输出图像显示了输入图像中矩形区域的直方图。
上面的两个输出图像是输入图像的遮罩和矩形区域。仅为这个遮罩区域计算直方图。