Python圖像運算之圖像掩膜直方圖和HS直方圖詳解

第Python圖像運算之圖像掩膜直方圖和HS直方圖詳解目錄一.圖像掩膜直方圖二.圖像HS直方圖三.直方圖判斷白天黑夜四.總結

一.圖像掩膜直方圖

如果要統(tǒng)計圖像的某一部分直方圖，就需要使用掩碼（蒙板）來進行計算。假設將要統(tǒng)計的部分設置為白色，其余部分設置為黑色，然后使用該掩膜進行直方圖繪制，其完整代碼如下所示。

#-*-coding:utf-8-*-

#By：Eastmount

importcv2

importnumpyasnp

importmatplotlib.pyplotasplt

importmatplotlib

#讀取圖像

img=cv2.imread('luo.png')

#轉換為RGB圖像

img_rgb=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)

#設置掩膜

mask=np.zeros(img.shape[:2],np.uint8)

mask[100:300,100:300]=255

masked_img=cv2.bitwise_and(img,img,mask=mask)

#圖像直方圖計算

hist_full=cv2.calcHist([img],[0],None,[256],[0,256])#通道[0]-灰度圖

#圖像直方圖計算(含掩膜)

hist_mask=cv2.calcHist([img],[0],mask,[256],[0,256])

plt.figure(figsize=(8,6))

#設置字體

matplotlib.rcParams['font.sans-serif']=['SimHei']

#原始圖像

plt.subplot(221)

plt.imshow(img_rgb,'gray')

plt.axis('off')

plt.title("(a)原始圖像")

#繪制掩膜

plt.subplot(222)

plt.imshow(mask,'gray')

plt.axis('off')

plt.title("(b)掩膜")

#繪制掩膜設置后的圖像

plt.subplot(223)

plt.imshow(masked_img,'gray')

plt.axis('off')

plt.title("(c)圖像掩膜處理")

#繪制直方圖

plt.subplot(224)

plt.plot(hist_full)

plt.plot(hist_mask)

plt.title("(d)直方圖曲線")

plt.xlabel("x")

plt.ylabel("y")

plt.show()

其運行結果如圖1所示，它使用了一個200200像素的掩膜進行實驗。其中圖1(a)表示原始圖像，圖1(b)表示200200像素的掩膜，圖1表示原始圖像進行掩膜處理，圖1(d)表示直方圖曲線，藍色曲線為原始圖像的灰度值直方圖分布情況，綠色波動更小的曲線為掩膜直方圖曲線。

二.圖像HS直方圖

為了刻畫圖像中顏色的直觀特性，常常需要分析圖像的HSV空間下的直方圖特性。HSV空間是由色調(diào)（Hue）、飽和度（Saturation）、以及亮度（Value）構成，因此在進行直方圖計算時，需要先將源RGB圖像轉化為HSV顏色空間圖像，然后將對應的H和S通道進行單元劃分，再其二維空間上計算相對應直方圖，再計算直方圖空間上的最大值并歸一化繪制相應的直方圖信息，從而形成色調(diào)-飽和度直方圖（或H-S直方圖）。該直方圖通常應用在目標檢測、特征分析以及目標特征跟蹤等場景[1-2]。

由于H和S分量與人感受顏色的方式是緊密相連，V分量與圖像的彩色信息無關，這些特點使得HSV模型非常適合于借助人的視覺系統(tǒng)來感知彩色特性的圖像處理算法。

下面的代碼是具體的實現(xiàn)代碼，使用matplotlib.pyplot庫中的imshow()函數(shù)來繪制具有不同顏色映射的2D直方圖。

#-*-coding:utf-8-*-

#By：Eastmount

importcv2

importnumpyasnp

importmatplotlib.pyplotasplt

#讀取圖像

img=cv2.imread('luo.png')

#轉換為RGB圖像

img_rgb=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)

#圖像HSV轉換

hsv=cv2.cvtColor(img,cv2.COLOR_BGR2HSV)

#計算H-S直方圖

hist=cv2.calcHist(hsv,[0,1],None,[180,256],[0,180,0,256])

#原始圖像

plt.figure(figsize=(8,6))

plt.subplot(121),plt.imshow(img_rgb,'gray'),plt.title("(a)"),plt.axis('off')

#繪制H-S直方圖

plt.subplot(122),plt.imshow(hist,interpolation='nearest'),plt.title("(b)")

plt.xlabel("x"),plt.ylabel("y")

plt.show()

圖2(a)表示原始輸入圖像，圖2(b)是原圖像對應的彩色直方圖，其中X軸表示飽和度（S），Y軸表示色調(diào)（H）。在直方圖中，可以看到H=140和S=130附近的一些高值，它對應于艷麗的色調(diào)。

三.直方圖判斷白天黑夜

接著講述一個應用直方圖的案例，通過直方圖來判斷一幅圖像是黑夜或白天。常見的方法是通過計算圖像的灰度平均值、灰度中值或灰度標準差，再與自定義的閾值進行對比，從而判斷是黑夜還是白天[3-4]。

灰度平均值：該值等于圖像中所有像素灰度值之和除以圖像的像素個數(shù)。

灰度中值：對圖像中所有像素灰度值進行排序，然后獲取所有像素最中間的值，即為灰度中值。

灰度標準差：又常稱均方差，是離均差平方的算術平均數(shù)的平方根。標準差能反映一個數(shù)據(jù)集的離散程度，是總體各單位標準值與其平均數(shù)離差平方的算術平均數(shù)的平方根。如果一幅圖看起來灰蒙蒙的，那灰度標準差就??；如果一幅圖看起來很鮮艷，那對比度就很大，標準差也大。

下面的代碼是計算灰度Lena圖的灰度平均值、灰度中值和灰度標準差。

#-*-coding:utf-8-*-

#By：Eastmount

importcv2

importnumpyasnp

importmatplotlib.pyplotasplt

#函數(shù):獲取圖像的灰度平均值

deffun_mean(img,height,width):

sum_img=0

foriinrange(height):

forjinrange(width):

sum_img=sum_img+int(img[i,j])

mean=sum_img/(height*width)

returnmean

#函數(shù):獲取中位數(shù)

deffun_median(data):

length=len(data)

data.sort()

if(length%2)==1:

z=length//2

y=data[z]

else:

y=(int(data[length//2])+int(data[length//2-1]))/2

returny

#讀取圖像

img=cv2.imread('lena-hd.png')

#圖像灰度轉換

grayImage=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

#獲取圖像高度和寬度

height=grayImage.shape[0]

width=grayImage.shape[1]

#計算圖像的灰度平均值

mean=fun_mean(grayImage,height,width)

print("灰度平均值：",mean)

#計算圖像的灰度中位數(shù)

value=grayImage.ravel()#獲取所有像素值

median=fun_median(value)

print("灰度中值：",median)

#計算圖像的灰度標準差

std=np.std(value,ddof=1)

print("灰度標準差",std)

其運行結果如圖3所示，圖3(a)為原始圖像，圖3(b)為處理結果。其灰度平均值為123，灰度中值為129，灰度標準差為48.39。

下面講解另一種用來判斷圖像是白天還是黑夜的方法，其基本步驟如下：

（1）讀取原始圖像，轉換為灰度圖，并獲取圖像的所有像素值；

（2）設置灰度閾值并計算該閾值以下的像素個數(shù)。比如像素的閾值設置為50，統(tǒng)計低于50的像素值個數(shù)；

（3）設置比例參數(shù)，對比該參數(shù)與低于該閾值的像素占比，如果低于參數(shù)則預測為白天，高于參數(shù)則預測為黑夜。比如該參數(shù)設置為0.8，像素的灰度值低于閾值50的個數(shù)占整幅圖像所有像素個數(shù)的90%，則認為該圖像偏暗，故預測為黑夜；否則預測為白天。

具體實現(xiàn)的代碼如下所示。

#-*-coding:utf-8-*-

#By：Eastmount

importcv2

importnumpyasnp

importmatplotlib.pyplotasplt

#函數(shù):判斷黑夜或白天

deffunc_judge(img):

#獲取圖像高度和寬度

height=grayImage.shape[0]

width=grayImage.shape[1]

piexs_sum=height*width

dark_sum=0#偏暗像素個數(shù)

dark_prop=0#偏暗像素所占比例

foriinrange(height):

forjinrange(width):

ifimg[i,j]50:#閾值為50

dark_sum+=1

#計算比例

print(dark_sum)

print(piexs_sum)

dark_prop=dark_sum*1.0/piexs_sum

ifdark_prop=0.8:

print("Thispictureisdark!",dark_prop)

else:

print("Thispictureisbright!",dark_prop)

#讀取圖像

img=cv2.imread('day.png')

#轉換為RGB圖像

img_rgb=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)

#圖像灰度轉換

grayImage=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

#計算256灰度級的圖像直方圖

hist=cv2.calcHist([grayImage],[0],None,[256],[0,255])

#判斷黑夜或白天

func_judge(grayImage)

#顯示原始圖像和繪制的直方圖

plt.subplot(121),plt.imshow(img_rgb,'gray'),plt.axis('off'),plt.title("(a)")

plt.subplot(122),plt.plot(hist,color='r'),plt.xlabel("x"),plt.ylabel("y"),plt.title("(b)")

plt.show()

第一張測試圖輸出的結果如圖4所示，其中圖4(a)為原始圖像，圖4(b)為對應直方圖曲線。

最終輸出結果為(Thispictureisbright!,0.010082704388303882)，該預測為白天。

第二張測試圖輸出的結果如圖6