分類：程式設計

Python 與 OpenCV 繪製直方圖，分析影像亮度分佈教學

這裡介紹如何在 Python 中以 OpenCV 與 matplotlib 等工具，統計影像像素值的分佈，並畫出直方圖。

在開發影像處理的程式時，我們時常會需要觀察影像像素值的分佈與特性，以便選用適合的演算法、制定門檻值、設計出適合的影像處理流程。

在 Python 中若要觀察影像亮度分佈，可以使用 OpenCV 與 matplotlib 等工具，以下是使用教學。

像素值分佈直方圖

OpenCV 的 calcHist 函數可用來計算直方圖的數值，其語法如下：

cv2.calcHist(影像, 通道, 遮罩, 區間數量, 數值範圍)

以下是各個參數的意義與使用說明：

影像：影像的來源，其型別可以是 uint8 或 float32，變數必須放在中括號當中，例如：[img]。
通道：指定影像的通道（channel），同樣必須放在中括號當中。若為灰階影像，則通道就要指定為 [0]，若為彩色影像則可用 [0]、[1] 或 [2] 指定藍色、綠色或紅色的通道。
遮罩：以遮罩指定要納入計算的圖形區域，若指定為 None 則會計算整張圖形的所有像素。
區間數量：指定直方圖分隔區間的數量（bins），也就是圖形畫出來要有幾條長方形。
數值範圍：指定要計算的像素值範圍，通常都是設為 [0,256]（計算所有的像素值）。

以下是一個簡單的範例：

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

# 讀取圖檔
img = cv2.imread('image.jpg')

# 轉為灰階圖片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 計算直方圖每個 bin 的數值
hist = cv2.calcHist([gray], [0], None, [256], [0, 256])

# 畫出直方圖
plt.bar(range(1,257), hist)
plt.show()

我拿這張照片作為測試的範例：

執行的結果會像這樣：

直方圖

通常像這種每個區間只包含一個數值的直方圖，我們可以改用普通的線條來表示：

# 畫出分佈圖
plt.plot(hist)

畫出來的結果會像這樣：

分佈圖

matplotlib 的 pyplot.hist 函數也可以用來統計並繪製直方圖，只不過圖形在傳入時，要先使用 ravel 將所有的像素資料轉為一維的陣列，以下是一個簡單的範例：

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

# 讀取圖檔
img = cv2.imread('image.jpg')

# 轉為灰階圖片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 畫出直方圖
plt.hist(gray.ravel(), 256, [0, 256])
plt.show()

畫出來的結果會像這樣：

直方圖

對於彩色的圖片，可以用 OpenCV 的 calcHist 函數分別計算統計值，並畫出 RGB 三種顏色的分佈圖：

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

img = cv2.imread('image.jpg')

# 畫出 RGB 三種顏色的分佈圖
color = ('b','g','r')
for i, col in enumerate(color):
  histr = cv2.calcHist([img],[i],None,[256],[0, 256])
  plt.plot(histr, color = col)
  plt.xlim([0, 256])
plt.show()

RGB 三種顏色的分佈圖

圖形遮罩

若要計算圖形中部份區域的像素值分佈，可以使用 OpenCV 的 calcHist 配合圖形遮罩，以下的範例我們建立一個簡單的方框遮罩，將圖片中央的區塊取出來，計算像素值分佈：

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

# 讀取圖檔
img = cv2.imread('image.jpg')

# 轉為灰階圖片
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 建立圖形遮罩
mask = np.zeros(gray.shape, np.uint8)
mask[300:780, 300:1620] = 255

# 計算套用遮罩後的圖形
masked_gray = cv2.bitwise_and(gray, gray, mask = mask)

# 以原圖計算直方圖
hist_full = cv2.calcHist([img], [0], None, [256], [0, 256])

# 以套用遮罩後的圖計算直方圖
hist_mask = cv2.calcHist([img], [0], mask, [256], [0, 256])

# 繪製結果
plt.subplot(221), plt.imshow(gray, 'gray')
plt.subplot(222), plt.imshow(mask, 'gray')
plt.subplot(223), plt.imshow(masked_gray, 'gray')
plt.subplot(224), plt.plot(hist_full), plt.plot(hist_mask)
plt.xlim([0,256])

plt.show()