Python OpenCV 直方图的计算与显示的方法示例

本篇文章介绍如何用OpenCV Python来计算直方图，并简略介绍用NumPy和Matplotlib计算和绘制直方图

直方图的背景知识、用途什么的就直接略过去了。这里直接介绍方法。

计算并显示直方图

与C++中一样，在Python中调用的OpenCV直方图计算函数为cv2.calcHist。

cv2.calcHist的原型为：

cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate ]]) #返回hist 

通过一个例子来了解其中的各个参数：

#coding=utf-8 import cv2 import numpy as np  image = cv2.imread("D:/histTest.jpg", 0) hist = cv2.calcHist([image],   [0], #使用的通道   None, #没有使用mask   [256], #HistSize   [0.0,255.0]) #直方图柱的范围 

其中第一个参数必须用方括号括起来。

第二个参数是用于计算直方图的通道，这里使用灰度图计算直方图，所以就直接使用第一个通道；

第三个参数是Mask，这里没有使用，所以用None。

第四个参数是histSize，表示这个直方图分成多少份（即多少个直方柱）。第二个例子将绘出直方图，到时候会清楚一点。

第五个参数是表示直方图中各个像素的值，[0.0, 256.0]表示直方图能表示像素值从0.0到256的像素。

最后是两个可选参数，由于直方图作为函数结果返回了，所以第六个hist就没有意义了（待确定）

最后一个accumulate是一个布尔值，用来表示直方图是否叠加。

彩色图像不同通道的直方图

下面来看下彩色图像的直方图处理。以最著名的lena.jpg为例，首先读取并分离各通道：

import cv2   import numpy as np      img = cv2.imread("D:/lena.jpg")   b, g, r = cv2.split(img) 

接着计算每个通道的直方图，这里将其封装成一个函数：

def calcAndDrawHist(image, color):    hist= cv2.calcHist([image], [0], None, [256], [0.0,255.0])    minVal, maxVal, minLoc, maxLoc = cv2.minMaxLoc(hist)    histImg = np.zeros([256,256,3], np.uint8)    hpt = int(0.9* 256);        for h in range(256):      intensity = int(hist[h]*hpt/maxVal)      cv2.line(histImg,(h,256), (h,256-intensity), color)          return histImg;  

这里只是之前代码的简单封装，所以注释就省掉了。

接着在主函数中使用：

if __name__ == '__main__':    img = cv2.imread("D:/lena.jpg")    b, g, r = cv2.split(img)      histImgB = calcAndDrawHist(b, [255, 0, 0])    histImgG = calcAndDrawHist(g, [0, 255, 0])    histImgR = calcAndDrawHist(r, [0, 0, 255])        cv2.imshow("histImgB", histImgB)    cv2.imshow("histImgG", histImgG)    cv2.imshow("histImgR", histImgR)    cv2.imshow("Img", img)    cv2.waitKey(0)    cv2.destroyAllWindows()  

这样就能得到三个通道的直方图了，如下：