Python OpenCV – cv2.calcHist 方法

在图像处理中，图像的直方图是显示其像素值频率分布的图形。 OpenCV中的cv2.calcHist()函数是计算图像直方图的函数之一。它可以帮助我们了解图像中存在哪些颜色以及它们的数量。该方法需要的参数包括图像，通道和直方图的大小和范围。

以下是使用Python OpenCV的 cv2.calcHist()方法计算图像的直方图的步骤：

步骤 1: 导入相关库

import cv2
import numpy as np
from matplotlib import pyplot as plt

步骤 2: 读取图像

img = cv2.imread('your_image_path', 0)

步骤 3: 计算直方图

hist = cv2.calcHist([img], [0], None, [256], [0, 256])

其中：

• 第一个参数是图像，要用方括号括起来，即“[img]”
• 第二个参数是通道，我们传递[0]以计算灰度图像的直方图，对于彩色图像，可以使用B， G和R通道计算各自的直方图。
• 第三个参数是掩模。通常使用“None”。
• 第四个参数是直方图的大小，通常为256，因为像素值的范围为0到255。
• 第五个参数是像素值范围。对于灰度图像，它应该是[0,256]。

步骤 4: 绘制图像直方图

plt.hist(img.ravel(),256,[0,256])
plt.title('Histogram')
plt.show()

其中“ img.ravel()”是将图像数组转换为1D数组的方法。

示例

以下是完整的示例：

import cv2
import numpy as np
from matplotlib import pyplot as plt
 
img = cv2.imread('lena.jpg',0)
hist = cv2.calcHist([img],[0],None,[256],[0,256])
 
plt.hist(img.ravel(),256,[0,256])
plt.title('Histogram')
plt.show()

输出结果为：