OpenCV Python（3、直方图的计算与显示

标签：max   第一个   bsp   imshow   一个   ann   wait   can   str   计算并显示直方图 与C++中一样，在Python中调用的OpenCV直方图计算函数为cv2.calcHist。 cv2.calcHist的原型为： cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate ]]) #返回hist 通过一个例子来了解其中的各个参数 #coding=utf-8 import cv2 import numpy as np image = cv2.imread("D:/histTest.jpg", 0) hist = cv2.calcHist([image], [0], #使用的通道 None, #没有使用mask [256], #HistSize [0.0,255.0]) #直方图柱的范围 其中第一个参数必须用方括号括起来。第二个参数是用于计算直方图的通道，这里使用灰度图计算直方图，所以就直接使用第一个通道；（原因也很简单，一个通道的值是0~255，相当于灰度值） 第三个参数是Mask，这里没有使用，所以用None。 第四个参数是histSize，表示这个直方图分成多少份（即多少个直方柱）。第二个例子将绘出直方图，到时候会清楚一点。 第五个参数是表示直方图中各个像素的值，[0.0, 256.0]表示直方图能表示像素值从0.0到256的像素。 最后是两个可选参数，由于直方图作为函数结果返回了，所以第六个hist就没有意义了（待确定） 最后一个accumulate是一个布尔值，用来表示直方图是否叠加。 彩色图像不同通道的直方图 接着计算每个通道的直方图，这里将其封装成一个函数： def calcAndDrawHist(image, color): hist= cv2.calcHist([image], [0], None, [256], [0.0,255.0]) minVal, maxVal, minLoc, maxLoc = cv2.minMaxLoc(hist) #遍历矩阵，获得最小值最大值及其位置 histImg = np.zeros([256,256,3], np.uint8) hpt = int(0.9* 256); for h in range(256): intensity = int(hist[h]*hpt/maxVal) cv2.line(histImg,(h,256), (h,256-intensity), color) return histImg; 这里只是之前代码的简单封装，所以注释就省掉了。 接着在主函数中使用： if __name__ == ‘__main__‘: img = cv2.imread("cheongsam.jpg") b, g, r = cv2.split(img) histImgB = calcAndDrawHist(b, [255, 0, 0]) histImgG = calcAndDrawHist(g, [0, 255, 0]) histImgR = calcAndDrawHist(r, [0, 0, 255]) cv2.imshow("histImgB", histImgB) cv2.imshow("histImgG", histImgG) cv2.imshow("histImgR", histImgR) cv2.imshow("Img", img) cv2.waitKey(0) cv2.destroyAllWindows()  OpenCV Python（3、直方图的计算与显示标签：max   第一个   bsp   imshow   一个   ann   wait   can   str   原文地址：https://www.cnblogs.com/zblngu/p/14952876.html