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。

OpenCV Python 怎样计算并绘制图像区域的直方图？

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)