百度松果菁英班——机器学习实践三：图像直方图统计

本文主要是介绍百度松果菁英班——机器学习实践三：图像直方图统计，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

飞桨AI Studio星河社区-人工智能学习与实训社区

🥪命令行建文件夹并下载安装相关包

!mkdir /home/aistudio/external-libraries
!pip install beautifulsoup4 -t /home/aistudio/external-libraries

🥪环境设置

# 同时添加如下代码, 这样每次环境(kernel)启动的时候只要运行下方代码即可: 
​
import sys 
sys.path.append('/home/aistudio/external-libraries')

🌮灰度直方图补充知识

灰度直方图概括了图像的灰度级信息，简单的来说就是每个灰度级图像中的像素个数以及占有率，创建直方图无外乎两个步骤，统计直方图数据，再用绘图库绘制直方图。

统计直方图数据 首先要稍微理解一些与函数相关的术语，方便理解其在python3库中的应用和处理 BINS: 在上面的直方图当中，如果像素值是0到255，则需要256个值来显示直 方图。但是，如果不需要知道每个像素值的像素数目，只想知道两个像素值之间的像素点数目怎么办？例如，想知道像素值在0到15之间的像素点数目，然后是16到31。。。240到255。可以将256个值分成16份，每份计算综合。每个分成的小组就是一个BIN（箱）。在opencv中使用histSize表示BINS。 DIMS: 数据的参数数目。当前例子当中，对收集到的数据只考虑灰度值，所以该值为1。 RANGE: 灰度值范围，通常是[0,256]，也就是灰度所有的取值范围。 统计直方图同样有两种方法，使用opencv统计直方图，函数如下：

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

🥪各种直方图的绘制

🥗1numpy调用hist绘制

import cv2
import numpy as np
from matplotlib import pyplot as plt
​
img = cv2.imread('data/nezha.jpeg',1)
# img_np = np.array(img) 
plt.hist(img.reshape([-1]),256,[0,256]);
plt.show()

• 通过cv2.imread()函数读取了一张图像

• 使用Matplotlib库的hist()函数绘制了该图像的灰度直方图

• 在直方图中，横轴表示像素的灰度级别（从0到255），纵轴表示对应灰度级别的像素数量

• 通过观察直方图，可以了解图像的亮度分布情况，以及是否存在过曝或欠曝的情况

• plt.hist()函数的参数中，img.reshape([-1])将图像数组转换成一维数组，256表示直方图的箱数，[0,256]表示灰度级别的范围

🥗2cv2调用calcHist绘制

该代码与上个代码的区别只是绘制调用的函数不同

import cv2
# import numpy as np
from matplotlib import pyplot as plt
img = cv2.imread('data/nezha.jpeg',0)
histr = cv2.calcHist([img],[0],None,[256],[0,256]) #hist是一个shape为(256,1)的数组，表示0-255每个像素值对应的像素个数，下标即为相应的像素值
plt.plot(histr,color = 'b')
plt.xlim([0,256])
plt.show()

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

• imaes:输入的图像

• channels:选择图像的通道

• mask:掩膜，是一个大小和image一样的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0，一般设置为None，表示处理整幅图像

• histSize:使用多少个bin(柱子)，一般为256

• ranges:像素值的范围，一般为[0,255]表示0~255

🥗3cv2调用calcHist分别绘制红绿蓝三通道

import cv2
from matplotlib import pyplot as plt
img = cv2.imread('data/nezha.jpeg',1) 
color = ('b','g','r')
for i,col in enumerate(color):histr = cv2.calcHist([img],[i],None,[256],[0,256])#hist是一个shape为(256,1)的数组，表示0-255每个像素值对应的像素个数，下标即为相应的像素值plt.plot(histr,color = col)plt.xlim([0,256])
plt.show()

🥗4手动编写绘制（不调包）

import sys
import numpy as np
import cv2
import matplotlib.pyplot as plt
​
def main():img=cv2.imread('data/nezha.jpeg',0)#得到计算灰度直方图的值n = np.array(img)xy=xygray(img)   
​#画出灰度直方图x_range=range(256)plt.plot(x_range,xy,"r",linewidth=2,c='black')#设置坐标轴的范围y_maxValue=np.max(xy)plt.axis([0,255,0,y_maxValue])#设置坐标轴的标签plt.xlabel('gray Level')plt.ylabel("number of pixels")plt.show()
​
def xygray(img):#得到高和宽rows,cols=img.shapeprint(img.shape)#存储灰度直方图xy=np.zeros([256],np.uint64)for r in range(rows):for c in range(cols):xy[img[r][c]] += 1#返回一维ndarryprint(xy.sum())return xy
​
main()

⭐点赞收藏不迷路~

这篇关于百度松果菁英班——机器学习实践三：图像直方图统计的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---