2-9_理解直方图课件.pptxVIP

计算机视觉基础知识理解直方图

目录CONTENTS计算直方图直方图均衡化反向投影

01计算直方图

计算直方图什么是直方图在统计学中：直方图是一种对数据分布情况的图形表示，是一种二维统计图表，他的两个坐标分别是统计样本（图像、视频帧）和样本的某种属性（亮度，像素值，梯度，方向，色彩等任何特征）。

计算直方图图像直方图图像直方图是用表示数字图像中亮度分布的直方图，标绘了图像中每个亮度值的像素数。可以借助观察该直方图了解亮度分布。直方图中，横坐标的左侧为纯黑、较暗的区域，而右侧为较亮、纯白的区域。一张较暗图片的图像直方图中的数据多集中于左侧和中间部分，而整体明亮、只有少量阴影的图像则相反。计算机视觉邻域常借助图像直方图来实现图像的二值化。

计算直方图灰度直方图灰度直方图是一幅图像中个像素灰度值出现次数或频数的统计结果它只反映该图像中灰度值出现的频率，而未反映某一灰度值像素所在的位置。

计算直方图直方图的意义（1）直方图是图像中像素强度分布的图形表达方式。（2）直方图统计了每一个强度值所具有的像素个数。应用通过标记帧和帧之间显著的边缘和颜色的统计变化，来检测视频中场景的变换。通过在每个兴趣点设置一个有相近特征的直方图所构成的标签，用以确定图像的兴趣点。边缘、色彩、角度等直方图构成了可以被传递给目标识别分类器的一个通用特征类型。色彩和边缘的直方图还可以用来识别网络视频是否被复制等。

计算直方图直方图的计算方法BINS：要统计的像素值区间段组成的集合，像素值通常是0~255这256个值如果要统计每个像素出现的次数，则BINS就是?[0,1)、[1,2)、[2,3)、[3,4)、…、[254,255)、[255,256)这256个区间段组成的集合，包含256个BIN。如果按照16个像素值一组来统计他们出现的次数，则BINS就是[0,16)、[16,32)、[32,48)、…、[224,240)、[240,256)这16个区间段组成的集合，包含16个BIN。每个BIN对应的值：如果是256个BIN，每个BIN的就是就是这个像素值出现的次数，如果是16个BIN，每个BIN的值就是其中所有像素数的总和，例如[0,16)这个BIN的值就是像素值为0~15这16个像素值出现的次数的总和。

计算直方图OpenCV中直方图函数calcHist(images,channels,mask,histSize,ranges,hist=None,accumulate=None)images表示要计算直方图的原始图像，以方括号的形式传入，如[img]；channels表示要统计的通道，如果是灰度图写[0]，彩色图B/G/R分别传入[0]/[1]/[2]；mask表示要计算的区域ROI，是一个大小和images相同的np数组，其中把需要处理的部分指定为1，不需要处理的部分指定为0，如果计算整幅图的话，写None。histSize就是BINS区间段的数目；ranges表示要计算的像素值范围，一般为[0,256]；hist表示返回的直方图数据，是一个二维数组，数组形状为(histSize,1)；accumulate表示是否累计，如果为True表示多个图像时累积计算像素值个数。

计算直方图#导入库importcv2importmatplotlib.pyplotasplt?#读取图像img=cv2.imread(images\lena.jpg)?#分别计算3个通道的直方图histB=cv2.calcHist([img],[0],None,[256],[0,256])histG=cv2.calcHist([img],[1],None,[256],[0,256])histR=cv2.calcHist([img],[2],None,[256],[0,256])?#画图plt.plot(histB,color=b)plt.plot(histG,color=g)plt.plot(histR,color=r)plt.show()

计算直方图#导入库importcv2importmatplotlib.pyplotasplt?#读取图像img=cv2.imread(images\lena.jpg)?#分别计算3个通道的直方图histB2=cv2.calcHist([img],[0],None,[16],[0,256])histG2=cv2.calcHist([img],[1],None,[16],[0,256])histR2=cv2.calcHist([img],[2],None,[16],[0,256])?#画图plt.plot(his