用于相似图片搜索引擎的Python OpenCV图像直方图 _Python

图像直方图那么，图像直方图到底是什么？

文章插图
图片
图像的构成是由像素点构成的，每个像素点的值代表着该点的颜色（灰度图或者彩色图）。所谓直方图就是对图像的中的这些像素点的值进行统计，得到一个统一的整体的灰度概念。直方图表示图像中颜色的分布。可以将其可视化为图表（或曲线图），以直观地了解强度（像素值）分布。直方图的好处就在于可以清晰了解图像的整体灰度分布，这对于计算机视觉处理图片有关重要。
一般情况下直方图都是灰度图像，直方图x轴是灰度值（一般0~255），y轴就是图像中每一个灰度级对应的像素点的个数。

文章插图
灰度空间图片直方图
如何获取图片直方图图片直方图的获取，opencv已经帮我们集成了函数，当然numpy也同样可以获取

from matplotlib import pyplot as pltimport numpy as npimport cv2image = cv2.imread("1.jpg")img = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)hist = cv2.calcHist([img], [0], None, [256], [0, 256])#numpy方法读取-np.histogram()#hist_np,bins = np.histogram(img.ravel(),256,[0,256])#numpy的另一种方法读取-np.bincount()#hist_np1 = np.bincount(img.ravel(),minlength=256)cv2.imshow("gray", img)plt.figure()plt.title("Grayscale Histogram")plt.xlabel("Bins")plt.ylabel("# of Pixels")plt.plot(hist)plt.show()

文章插图
代码截图
【用于相似图片搜索引擎的Python OpenCV图像直方图】cv2.calcHist()，该函数传递5个参数：

image输入图像，此参数是一个list 对象
channels:：传入图像的通道，如果是灰度图像，只有一个通道，值为0，如果是彩色图像（B G R），那么值为0,1,2,中选择一个，对应着BGR各个通道。同样为list 对象。
mask：掩膜图像。如果统计整幅图，那么为none 。主要是如果要统计部分图的直方图，就得构造相应的掩膜图像来计算。
histSize：灰度级的个数，比如[256]，或者三个通道的[32,32,32]
ranges:像素值的范围，通常[0,256]，通常，这是[0, 256]针对每个通道的，但是如果您使用的颜色空间不是RGB（例如HSV），则范围可能会有所不同。

以上展示了图片在灰度值中的颜色直方图，当然，我们的图片是R G B的三色图片，我们也可以分别展示图片在R G B 空间内的图片直方图。

文章插图
彩色空间图片直方图

from matplotlib import pyplot as pltimport numpy as npimport cv2image = cv2.imread("1.jpg")cv2.imshow("image", image)chans = cv2.split(image)colors = ("b", "g", "r")plt.figure()plt.title("'Flattened' Color Histogram")plt.xlabel("Bins")plt.ylabel("# of Pixels")features = []for (chan, color) in zip(chans, colors):	hist = cv2.calcHist([chan], [0], None, [256], [0, 256])	features.extend(hist)	plt.plot(hist, color = color)	plt.xlim([0, 256])plt.show()

文章插图
代码截图
chans = cv2.split(image)函数把图片分别分割成 R G B 三色空间
分别把三色空间的 R G B 空间传入cv2.calcHist([chan], [0], None, [256], [0, 256])函数来生成不同空间内的颜色图片直方图，最后把图片显示出来
图片mask参数cv2.calcHist函数可以接受mask 来进行图片直方图的显示，默认计算图片的所有区域，但是有时候我们不需要图片的所有区域，我们可以使用mask来扣自己需要的图片区域，进而可以进行自己想要图片区域的直方图

文章插图
mask 图片直方图

from matplotlib import pyplot as pltimport numpy as npimport cv2image = cv2.imread("1.jpg")img = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)mask = np.zeros(img.shape[:2],np.uint8)mask[100:500,100:500] = 255mask_img = cv2.bitwise_and(img,img,mask=mask)hist = cv2.calcHist([img], [0], mask, [256], [0, 256])cv2.imshow("mask", mask_img)plt.figure()plt.title("Grayscale Histogram")plt.xlabel("Bins")plt.ylabel("# of Pixels")plt.plot(hist)plt.show()