圖像處理算法如何入門-tft每日頭條

什麼是直方圖呢？通過直方圖你可以對整幅圖像的灰度分布有一個整體的感覺了解。直方圖的 x 軸是灰度值（0 到 255），y軸是圖片中具有同一個灰度值的點的數目。可以通過下面的圖像感受一下

圖像處理算法如何入門（從零學AI之圖像算法10）1

直方圖是處理當中非常常用的一種手段，opencv也有現成的方法，cv2.calcHist

用法：cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate]])

def show_hist(cv2_img): """ 顯示直方圖 """ color = ('b','g','r') for i,col in enumerate(color): histr = cv2.calcHist([cv2_img],[i],None,[256],[0,256]) plt.plot(histr,color = col) plt.legend() plt.xlim([0,256]) plt.xticks([]), plt.yticks([]) plt.show()

通過直方圖我們可以觀察該直方圖了解需要如何調整亮度分布。下面的圖藍色分量在200 ~ 250較高，應該就是天空的顔色，因為對應亮度最大。

圖像處理算法如何入門（從零學AI之圖像算法10）2

我們可以通過前幾章分享的知識，對應主題進行分離，看看亮度在3維空間的分布情況。

首先，我們需要獲得二值圖像：

我們先用默認值進行二值圖效果：

gray = cv2.cvtColor(cv2_img, cv2.COLOR_BGR2GRAY) blur = cv2.blur(gray, (10, 10)) k=np.ones((10, 10),np.uint8) _, th = cv2.threshold(blur, 127, 255, cv2.THRESH_OTSU)

原圖：

圖像處理算法如何入門（從零學AI之圖像算法10）3

mask：

圖像處理算法如何入門（從零學AI之圖像算法10）4

通過邏輯運算獲得圖像：

圖像處理算法如何入門（從零學AI之圖像算法10）5

img = cv2.bitwise_and(cv2_img, cv2_img, mask=~open)

分離顔色通道，獲得像素值：

這裡采用切片來處理：

img_b = cv2_img[:, :, 0].astype(np.int16)

img_g = cv2_img[:, :, 1].astype(np.int16)

img_r = cv2_img[:, :, 2].astype(np.int16)

三維空間顯示

圖像處理算法如何入門（從零學AI之圖像算法10）6

圖像處理算法如何入門（從零學AI之圖像算法10）7

我們可以看到顔色較深的橙色部分就是主題。再來看一個例子：

圖像處理算法如何入門（從零學AI之圖像算法10）8

圖像處理算法如何入門（從零學AI之圖像算法10）9

圖像處理算法如何入門（從零學AI之圖像算法10）10

通過這幾個例子，關于亮度的影響就很深刻了，這對我們後面使用灰度直方圖有很大幫助。

### 顯示3D圖像 def showPiexlDist(imgArrs): fig = plt.figure() ax1 = fig.add_subplot(111, projection='3d') h, w, pimg = piexlDifvalue(imgArrs) x = np.arange(0, w, 1) y = np.arange(0, h, 1) X, Y = np.meshgrid(x, y) Z = np.zeros(Y.shape, dtype=np.uint16) for i in range(Y.shape[0]): for j in range(Y.shape[1]): Z[i][j] = img_sum[i][j] ax1.plot_surface(X, Y, Z, rstride=1, cstride=1,cmap=plt.get_cmap('rainbow')) plt.show()

好了，本次就分享到這裡。歡迎大家評論、交流和轉發。