「这是我参与2022首次更文挑战的第15天，活动详情查看：2022首次更文挑战」
前言
直方图是一种强大的技术，可以用于更好地理解图像内容。例如，许多相机在拍照时会实时显示正在捕获的场景的直方图，以调整相机拍摄的一些参数(例如曝光时间、亮度或对比度等)。在本文中，我们将学习直方图的相关概念。
直方图简介
图像直方图是一种反映图像色调分布的直方图，其绘制每个色调值的像素数。每个色调值的像素数也称为频率( frequency )。因此，强度值在 [0, K-1] 范围内的灰度图像的直方图将恰好包含 K 个矩形。例如，在 8 位灰度图像的情况下，K = 256 ()，因此，强度值在 [0, 255] 范围内。直方图的每个矩形的高度定义为：
例如， 即为= 强度为 80 的像素数。
为了更好的理解直方图，我们构建一个由 7 个不同的灰度级方块组成的图形。灰度值分别为： 30 、 60 、 90 、 120 、 150 、 180 和 210 。
def build_sample_image():
# 定义不同的灰度值: 60, 90, 120, ..., 210
tones = np.arange(start=60, stop=240, step=30)
# 使用灰度值30初始化第一个60x60方块
result = np.ones((60, 60, 3), dtype="uint8") * 30
# 连接构建的所有灰度方块
for tone in tones:
img = np.ones((60, 60, 3), dtype="uint8") * tone
result = np.concatenate((result, img), axis=1)
return result
def build_sample_image_2():
# 翻转构建的灰度图像
img = np.fliplr(build_sample_image())
return img
接下来，构建直方图并进行可视化：
def show_img_with_matplotlib(color_img, title, pos):
img_RGB = color_img[:, :, ::-1]
ax = plt.subplot(2, 2, pos)
plt.imshow(img_RGB)
plt.title(title)
plt.axis('off')
def show_hist_with_matplotlib_gray(hist, title, pos, color):
ax = plt.subplot(2, 2, pos)
plt.title(title)
plt.xlabel("bins")
plt.ylabel("number of pixels")
plt.xlim([0, 256])
plt.plot(hist, color=color)
plt.figure(figsize=(14, 10))
plt.suptitle("Grayscale histograms introduction", fontsize=14, fontweight='bold')
# 构建图像并转换为灰度图像
image = build_sample_image()
gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
image_2 = build_sample_image_2()
gray_image_2 = cv2.cvtColor(image_2, cv2.COLOR_BGR2GRAY)
# 构建直方图
hist = cv2.calcHist([gray_image], [0], None, [256], [0, 256])
hist_2 = cv2.calcHist([gray_image_2], [0], None, [256], [0, 256])
# 绘制灰度图像及直方图
show_img_with_matplotlib(cv2.cvtColor(gray_image, cv2.COLOR_GRAY2BGR), "image with 60x60 regions of different tones of gray", 1)
show_hist_with_matplotlib_gray(hist, "grayscale histogram", 2, 'm')
show_img_with_matplotlib(cv2.cvtColor(gray_image_2, cv2.COLOR_GRAY2BGR), "image with 60x60 regions of different tones of gray", 3)
show_hist_with_matplotlib_gray(hist_2, "grayscale histogram", 4, 'm')
plt.show()
直方图(下图中右侧图形)显示图像中每个色调值出现的次数(频率)，由于每个方块区域的大小为 60 x 60 = 3600 像素，因此上述所有灰度值的频率都为 3,600，其他值则为 0：
如上图所示，直方图仅显示统计信息，而不显示像素的位置。也可以加载真实照片，并绘制直方图，只需要修改 build_sample_image() 函数：
def build_sample_image():
image = cv2.imread('example.png')
return image
直方图相关术语
上例中我们已经看到了构建直方图的简单示例，以下是一些与直方图相关的术语：
| 术语 | 介绍 |
|---|---|
| bins | 直方图显示了每个色调值(范围从 0 到 255)的像素数，每一个色调值都称为一个 bin。可以根据需要选择 bin 的数量，常见的值包括 8 、 16 、 32 、 64 、 128 、 256，OpenCV 使用 histSize 来表示 bins |
| range | 要测量的色调值的范围，通常为 [0,255] ，以对应所有色调值 |
