欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

OpenCV与图像处理学习二——图像基础知识(下)

程序员文章站 2022-05-12 13:22:00
OpenCV与图像处理学习二——图像基础知识(下)2.4 图像直方图(Image Histogram)2.4.1 直方图的绘制2.4.2 三通道直方图绘制2.5 颜色空间2.5.1 RGB颜色空间2.5.2 HSV颜色空间(Hue、Saturation、Value)2.5.3 HSI2.5.4 CMYK(Cyan、Magenta、Yellow、black)本次学习笔记是对上次笔记的续写,一次写太多看起来也累。。上次笔记的连接:OpenCV与图像处理学习一——图像基础知识(上)2.4 图像直方图(Ima...

本次学习笔记是对上次笔记的续写,一次写太多看起来也累。。
上次笔记的连接:OpenCV与图像处理学习一——图像基础知识(上)

2.4 图像直方图(Image Histogram)

用以表示数字图像中亮度分布的直方图,标绘了图像中每个亮度值的像素数。横坐标左侧为纯黑、较暗区域,右侧为纯白、较亮区域。

如下图所示,两幅图的右上角都绘制了它们各自的图像直方图:
OpenCV与图像处理学习二——图像基础知识(下)
意义:是图像中像素强度分布的图形表达方式。它统计了每个强度值所具有的像素个数。CV领域借助图像直方图来实现图像的二值化。

2.4.1 直方图的绘制

函数:

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

参数:

  1. images:待统计图像,需用中括号括起来
  2. channels待统计的通道
  3. mask:这里没用到,暂时不知道干啥的。
  4. histSize:表示直方图分成多少份。
  5. ranges:表示直方图中各个像素的值,灰度值范围。

先来看一下单通道的统计:

from matplotlib import pyplot as plt
import cv2
import numpy as np
img = cv2.imread('girl.jpg')
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

plt.imshow(img_gray, cmap=plt.cm.gray)
hist = cv2.calcHist([img], [0], None, [256], [0, 256])

plt.figure()
plt.title("Grayscale Histogram")
plt.xlabel("Bins")
plt.ylabel("# of Pixels")
plt.plot(hist)
plt.xlim([0, 256])
plt.show()

这里只统计了第一个通道的直方图,结果如下所示:
OpenCV与图像处理学习二——图像基础知识(下)

OpenCV与图像处理学习二——图像基础知识(下)

2.4.2 三通道直方图绘制

看一下三个通道的例子:

from matplotlib import pyplot as plt
import cv2
girl = cv2.imread("girl.jpg")
cv2.imshow("girl", girl)
color = ("b", "g", "r")
#使用for循环遍历color列表,enumerate枚举返回索引和值
for i, color in enumerate(color):
    hist = cv2.calcHist([girl], [i], None, [256], [0, 256])
    plt.title("girl")
    plt.xlabel("Bins")
    plt.ylabel("num of perlex")
    plt.plot(hist, color = color)
    plt.xlim([0, 260])
plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()

看一下结果:
OpenCV与图像处理学习二——图像基础知识(下)

OpenCV与图像处理学习二——图像基础知识(下)
由此可见,三通道的彩色图里的像素值的分布是不一样的。

2.5 颜色空间

颜色空间也称彩色模型/彩色空间/彩色系统,用途是在某些标准下用通常可接受的方式对彩色加以说明。

常见的颜色空间有RGB、HSV、HSI以及CMYK,下面分别来看一下。

2.5.1 RGB颜色空间

主要用于计算机图形学中,依据人眼识别的颜色创建,图像中每一个像素都具有R、G、B三个颜色分量组成,均属于[0,255]。通常表示某个颜色时,写成一个3维向量形式(110,150,130)。

RGB颜色模型
OpenCV与图像处理学习二——图像基础知识(下)

  • 原点对应的颜色为黑色,三分量均为0。
  • 距离原点最远的顶点对应颜色为白色,三分量均为1。
  • 从黑色到白色的灰度值分布在这两点的连线上,该虚线称为灰度线。
  • 立方体其余各点对应不同颜色,即三原色红、绿、蓝及其混合色黄、品红、青色。

2.5.2 HSV颜色空间(Hue、Saturation、Value)

根据颜色直观特性由A.R.Smith在1978年创建的一种颜色空间,参数分别是:色调(Hue)、饱和度(Saturation)、明度( Value)。

HSV颜色模型
OpenCV与图像处理学习二——图像基础知识(下)

  • H通道:Hue,色调/色彩,代表颜色,0°对应红色,120°对应绿色,240°对应蓝色。
  • S通道:Saturation,饱和度,取值范围:0%~100%,值越大,越饱和。
  • V通道:Value,明暗,数值越大越亮,0%(黑)到100%(白)。

RGB空间与HSV空间转化:

import cv2
# 色彩空间转换函数
def color_space_demo(image):
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    cv2.imshow('gray', gray)
    hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
    # print(hsv)
    cv2.imshow('hsv', hsv)
# 读入一张彩色图
src = cv2.imread('girl.jpg')
cv2.imshow('before', src)
# 调用color_space_demo函数进行色彩空间转化
color_space_demo(src)
cv2.waitKey(0)
cv2.destroyAllWindows()

结果如下所示:
OpenCV与图像处理学习二——图像基础知识(下)

2.5.3 HSI

由美国色彩学家孟塞尔于1915年提出,它反映了人视觉系统感知彩色的方式,以色调、饱和度和强度三种基本特征量来感知颜色,即把HSV中的明度换成了强度I。

HSI颜色模型
OpenCV与图像处理学习二——图像基础知识(下)
模型优点:

  • 在处理彩色图像时,可仅对I分量进行处理,结果不改变原图像中的彩色种类。
  • HSI模型完全反映了人感知颜色的基本属性,与人感知颜色的基本属性,与人感知颜色的结果一一对应。

2.5.4 CMYK(Cyan、Magenta、Yellow、black)

应用于印刷工业,印刷业通过青(C)、品(M)、黄(Y)三原色油墨的不同网点面积率的叠印来表现丰富多彩的颜色和阶调,这便是三原色的CMY颜色空间。

OpenCV与图像处理学习二——图像基础知识(下)

本文地址:https://blog.csdn.net/qq_40467656/article/details/109009718