[python opencv 计算机视觉零基础到实战] 十三 直方图颜色提鲜

一、学习目标

  1. 了解了均衡化的作用是什么
  2. 了解灰度、YUV、彩色图片均衡化的方法是使用什么方法
  3. 了解了合并通道的方法是什么
  4. 了解了分离通道的方法是什么

如有错误欢迎指出~

二、了解图像均衡化

2.1 了解直方图均衡化

图像直方图均衡化主要是对图像中的少数灰度进行压缩,扩展该值的范围,以致于让这个图的对比度调高,使当前图像变得更加清晰。在一张图片中,若整体偏亮,直方图的值应该是在偏右侧,就可能会产生过渡曝光;若一张图像的直方图整体偏暗就会导致直方图呈现数值整体偏左,可能会造成过暗不清晰,所以一张图是否看起来舒服应该在直方图中的布局显示会相对于均衡。

直方图均衡化有三种,分别是灰度图像直方图、彩色图像直方图以及YUV直方图均衡化。

2.2 灰度图像均衡化

需要实现直方图均衡化需要使用equalizeHist方法。equalizeHist方法使用很简单,直接传入图片进去即可。首先我们需要读取一张图片,并且将改图片转换成一张灰度图片:

import cv2
import numpy as npimg = cv2.imread(r'C:\Users\mx\Desktop\ganimg.png', 1)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

随后调用equalizeHist方法,完整代码如下:

import cv2
import numpy as npimg = cv2.imread(r'C:\Users\mx\Desktop\ganimg.png', 1)
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.namedWindow("Image",cv2.WINDOW_NORMAL)
cv2.namedWindow("equalizeHist_gray_img",cv2.WINDOW_NORMAL)equalizeHist_gray_img = cv2.equalizeHist(gray)
cv2.imshow("equalizeHist_gray_img", equalizeHist_gray_img)
cv2.imshow("Image", gray)cv2.waitKey (0)
cv2.destroyAllWindows()

结果如下:
很明显,通过均衡化后,感觉舒服太多了。上图左侧为均衡化图,右侧为原图。

2.3 彩色图像均衡化

彩色图像均衡化也是非常简单。opencv提供了一个split方法,直接传入图片可以分离通道。代码如下:

b,g,r = cv2.split(img)

随后对每个通道进行均衡化:

equalizeHist_b=cv2.equalizeHist(b)
equalizeHist_g=cv2.equalizeHist(g)
equalizeHist_r=cv2.equalizeHist(r)

这时候需要将进行均衡化后的值进行合并,合并三个通道成为一张彩色图片,这时需要使用merge方法。merge方法将三个通道传入其中作为参数,返回的结果就是合并后的彩色图像值。代码如下:

merge_img=cv2.merge((equalizeHist_b, equalizeHist_g, equalizeHist_r))

最终完整的代码如下:

import cv2
import numpy as npimg = cv2.imread(r'C:\Users\mx\Desktop\ganimg.png', 1)
cv2.namedWindow("Image",cv2.WINDOW_NORMAL)
cv2.namedWindow("merge_img",cv2.WINDOW_NORMAL)b,g,r = cv2.split(img)
equalizeHist_b=cv2.equalizeHist(b)
equalizeHist_g=cv2.equalizeHist(g)
equalizeHist_r=cv2.equalizeHist(r)merge_img=cv2.merge((equalizeHist_b, equalizeHist_g, equalizeHist_r))
cv2.imshow("merge_img", merge_img)
cv2.imshow("Image", img)cv2.waitKey (0)
cv2.destroyAllWindows()

结果如下:

这时候的图片看起来就不难受了,是非常舒服的。

YUV均值化也是非常的简单,都是通过equalizeHist方法在此不浪费阅读时间直接上代码:

import cv2
import numpy as npimg = cv2.imread(r'C:\Users\mx\Desktop\ganimg.png', 1)
YUV_img = cv2.cvtColor(img, cv2.COLOR_BGR2YCrCb)
YUV_img_c = cv2.split(YUV_img)
cv2.namedWindow("Image",cv2.WINDOW_NORMAL)
cv2.namedWindow("YUV_img_merge",cv2.WINDOW_NORMAL)YUV_img_c[0] = cv2.equalizeHist(YUV_img_c[0])
YUV_img_merge = cv2.merge(YUV_img_c)
YUV_img_c_= cv2.cvtColor(YUV_img_merge, cv2.COLOR_YCrCb2BGR)
cv2.imshow("YUV_img_merge", YUV_img_c_)
cv2.imshow("Image", img)cv2.waitKey (0)
cv2.destroyAllWindows()

结果如下:

2.4 折线数据对比

我们刚刚知道了如何对图片进行明亮上的修改,我们现在从折线图的角度看一下两者之间的数据是否有什么变化,为了查看数据的不同,我先贴上折线图的核心代码:

color = ["blue", "green"]
imgs=[YUV_img_c_,img]
for i, v in enumerate(imgs):hist = cv2.calcHist([v], [i], None, [256], [0, 256])plt.plot(hist, color=color[i])
plt.show()

以上是对比YUV与原图的数据折线图对比。首先我们定义一个color列表,分别用于显示两个不同图片数据的线段颜色;随后定义一个imgs列表,用来存储两张图。之后使用一个for循环imgs内容,使用calcHist随便取一个通道值查看内容值,随后再使用plot对图像进行绘制。完整代码如下:

import cv2
import numpy as npfrom matplotlib import pyplot as pltimg = cv2.imread(r'C:\Users\mx\Desktop\ganimg.png', 1)
YUV_img = cv2.cvtColor(img, cv2.COLOR_BGR2YCrCb)
YUV_img_c = cv2.split(YUV_img)
cv2.namedWindow("Image",cv2.WINDOW_NORMAL)
cv2.namedWindow("YUV_img_merge",cv2.WINDOW_NORMAL)YUV_img_c[0] = cv2.equalizeHist(YUV_img_c[0])
YUV_img_merge = cv2.merge(YUV_img_c)
YUV_img_c_= cv2.cvtColor(YUV_img_merge, cv2.COLOR_YCrCb2BGR)
cv2.imshow("YUV_img_merge", YUV_img_c_)
cv2.imshow("Image", img)color = ["blue", "green"]
imgs=[YUV_img_c_,img]
for i, v in enumerate(imgs):hist = cv2.calcHist([v], [i], None, [256], [0, 256])plt.plot(hist, color=color[i])
plt.show()cv2.waitKey (0)
cv2.destroyAllWindows()

结果如下:
其中蓝色是做过均衡化处理后的数据,绿色是没做均衡化处理的原图。从结果上可以看出,两者的均衡化之间相差是非常巨大的。
该系列首发于ebaina

三、总结

  1. 了解了均衡化的作用是增加图片对比度
  2. 了解灰度、YUV、彩色图片均衡化的方法是使用equalizeHist方法
  3. 了解了合并通道的方法是merge
  4. 了解了分离通道的方法是split

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/287501.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

java 中字符串比较方法_java中常用的字符串的比较方法(两种)

比较字符串比较常用的两个方法是运算符“”和String的equals方法。使用“”比较两个字符串,是比较两个对象的的“地址”是否一致,本质就是判断两个变量是否指向同一个对象,如果是则返回true,否则返回的是false。而String类的equal…

分布式服务框架dubbo原理解析 转

alibaba有好几个分布式框架,主要有:进行远程调用(类似于RMI的这种远程调用)的(dubbo、hsf),jms消息服务(napoli、notify),KV数据库(tair)等。这个框架/工具/产品在实现的时候,都考虑到了容灾,扩展&#xff…

[python opencv 计算机视觉零基础到实战] 十五 直方图反向投影

一、学习目标 了解了直方图反向投影的一般流程了解2D直方图的使用 如有错误欢迎指出~ 二、了解直方图反向投影 2.1 了解2D直方图 需要对直方图进行反向投影,需要使用2D直方图。2D直方图需要使用calcHist方法。calcHist方法在前两节中已经有了解,现在…

关联规则java代码_重量挖掘关联规则挖掘方法,哪个大神可以将以下伪代码转换为Java代码?...

重量挖掘关联规则挖掘方法,哪个大神可以将以下伪代码转换为Java代码? 10改进的加权关联规则算法的基本步骤与Apriori算法相似: 首先找到加权支持度不小于用户指定的最小加权支持度的所有频繁项集加权关联规则,然后使用频繁项集生成所有满足最…

多种语言《九九乘法表》荟萃:C、C++、C#、JavaScript、SQL、VB、VBA、Python

九九乘法表对于我们学习循环结构,尤其是双重循环特别有帮助,本文演示用C、C++、C#、HTML、SQL、VB、VBA、Python等多种语九九乘法表。 一、C语言 #include<stdio.h> main() {int i,j;for(i=1;i<=9;i++){for(j=1;j<=i;j++){printf("%d*%d=%d\t",j,i,i*j…

[python opencv 计算机视觉零基础到实战] 十六、用opencv画画

一、学习目标 了解如何使用line方法了解如何使用rectangle方法了解如何使用ellipse方法 如有错误欢迎指出~ 二、了解OpenCV的绘图方法 2.1 了解直线绘图方法 我们在前两节中有了解使用OpenCV中的矩形绘制&#xff0c;接下来我们了解一下更多的图形绘制方法。我们在OpenCV中…

外部中断0(含知识点)

1 #include "stm32f10x.h" // 相当于51单片机中的 #include <reg51.h>2 #include "stm32f10x_gpio.h"3 #include "stm32f10x_exti.h"4 #include "misc.h"5 6 /*外部中断配置*/7 8 9 int main(void)10 {11 /*************…

[python opencv 计算机视觉零基础到实战] 十七、用鼠标画画

一、学习目标 了解长轴和短轴参数了解旋转角度参数了解起始角度参数了解终止角度参数 二、深入了解OpenCV的ellipse方法 2.1 纵横 椭圆的绘制方法在上一节中我们已经知道了是使用ellipse&#xff0c;ellipse的函数原型如下&#xff0c;为了清晰认识ellipse方法&#xff0c;…

Microsoft Build 2022 到来,开发者们做好准备了吗?

Microsoft Build 2022 将会在5月24日 - 5月26日正式举行&#xff0c;作为开发者的你是否和我一样期待本次的 Build&#xff0c;它会带来什么的技术革新以及黑科技呢&#xff1f;下面我就针对今年 Build 的几个主题结合相关技术来谈谈我对 Build 的期待。开发技术和相关工具今年…

【测绘程序设计】视距测量神器V1.0(附源程序)

神器预览: 一、视距测量概念 视距测量是利用水准仪的望远镜内十字丝分划板上的视距丝在视距尺(水准尺)上读数,根据光学和几何学原理,同时测定仪器到地面点的水平距离和高差的一种方法。 视距测量具有操作简便、速度快、不受地面起伏变化的影响的优点,被广泛应用于碎部测…

Android Studio之查找当前类的位置图标没了

1 问题 我们知道在Android studio里面如果想快速看到该文件所在的目录位置&#xff0c;点击这个图标 现在这个图标没了&#xff0c;找不到了 2 解决办法 把下面的Autoscroll from Source的勾去掉就行。

[python opencv 计算机视觉零基础到实战] 十八、用鼠标进行画画

一、学习目标 了解如何在图片中加入文字了解如何使用鼠标进行图像绘制 二、了解如何通过鼠标进行图像绘制 2.1 了解putText方法的使用 putText方法接收图像&#xff0c;文字内容&#xff0c; 坐标 &#xff0c;字体&#xff0c;大小&#xff0c;颜色&#xff0c;字体厚度这…

【测绘程序设计】坐标正算神器V1.0(附C/C#/VB源程序)

坐标正算,就是根据直线的边长、坐标方位角和一个端点的坐标,计算直线另一个端点的坐标的工作。本文用C#语言和VB语言实现坐标正算,编写坐标正算神器。 计算实例: 实例1,设直线AB的边长DAB和一个端点A的坐标XA、YA为已知,则直线另一个端点B的坐标为: XB=XA+ΔXAB YB=YA+…

Blazor University (22)路由 —— 定义路由

原文链接&#xff1a;https://blazor-university.com/routing/路由与标准 ASP.NET MVC 一样&#xff0c;Blazor 路由是一种用于检查浏览器 URL 并将其匹配到要呈现的页面的技术。路由比简单地将 URL 匹配到页面更灵活。它允许我们根据文本模式进行匹配&#xff0c;例如&#xf…

Linux文件I/O编程(二)lseek函数

文件I/O编程处理open、read、write、close&#xff0c;等必要函数对文件进行读写操作外&#xff0c;lseek、fcntl也是I/O编程很重要的函数。lseek函数lseek函数主要用来移动当前读写位置&#xff0c;第一个参数是文件描述符fd&#xff0c;第二个参数是偏移距离&#xff0c;第三…

[python opencv 计算机视觉零基础到实战] 十九、简易绘画板制作

一、学习目标 了解事件编写一个简易绘画板 二、了解如何制作简易绘画板 2.1 了解鼠标多种事件 上一节我们简单的使用opencv的图形绘制方法&#xff0c;用鼠标绘制了一些内容。上一节所响应的是简单的双击事件EVENT_LBUTTONDBLCLK&#xff0c;在OpenCV的鼠标事件中还有很多。…

Web App 和 Native App,哪个是趋势?

2019独角兽企业重金招聘Python工程师标准>>> Web App 和 Native App&#xff0c;哪个是趋势&#xff1f; https://www.zhihu.com/question/19558750 WebAPP与原生APP的交互设计区别 http://www.woshipm.com/ucd/132869.html Web App 开发使用哪种框架比较好&#xf…

基于天地图的应用服务系统设计开发—以甘肃高校招生服务为例

“天地图”是国家测绘地理信息局建设的地理信息综合服务网站。它是“数字中国”的重要组成部分,是国家地理信息公共服务平台的公众版。“天地图”的目的在于促进地理信息资源共享和高效利用,提高测绘地理信息公共服务能力和水平,改进测绘地理信息成果的服务方式,更好地满足…

查缺补漏系统学习 EF Core 6 - 修改实体数据

推荐关注「码侠江湖」加星标&#xff0c;时刻不忘江湖事这是 EF Core 系列的第六篇文章&#xff0c;上一篇文章讲述了 EF Core 中的原始 SQL 语句查询。这篇文章讲一讲 EF Core 如何修改实体数据。点击上方或后方蓝字&#xff0c;阅读 EF Core 系列合集。实体状态在开始学习 EF…