1 __author__ = "WSX"
2 import cv2 as cv
3 import numpy as np
4 from matplotlib import pyplot as plt
5
6 def plot( img):
7 plt.hist(img.ravel() , 256 ,[0 ,256])
8 print(img.ravel()) #统计频次
9 plt.show()
10
11 def hist( img ):#反应图像的主要特征
12 color = ("blue" ,"green" , "red")
13 for i , color in enumerate(color):
14 hist = cv.calcHist([img] , [i], None ,[256],[0,256]) #参数2：通道数 参数三：mask存在？
15 plt.plot(hist , color = color)
16 plt.xlim([0 , 256])
17 plt.show()
18
19 #-------------------------------直方图应用-------------------
20 # 均衡化（调整对比度） 和 比较
21
22 # 整体均衡化（基于灰度图） 增强图像的一个手段
23 def equ_hist( img ):
24 gray = cv.cvtColor( img , cv.COLOR_BAYER_BG2GRAY)
25 dst = cv.equalizeHist( gray ) # 均衡化
26 cv.imshow("equ" ,dst)
27
28 # 局部均衡化
29 def equ_hist( img ):
30 gray = cv.cvtColor( img , cv.COLOR_BAYER_BG2GRAY)
31 cla = cv.createCLAHE( clipLimit= 2, tileGridSize=(8,8)) # 均衡化
32 dst = cla.apply(gray)
33 cv.imshow("equ" ,dst)
34
35 #直方图比较（多种比较方法）比较图片相似度
36 def creat_rgb_hist( img ):
37 h , w ,c = img.shape
38 rgbhist = np.zeros([16 * 16 * 16 , 1] ,np.float32)
39 bsize = 256 / 16
40 pass
41
42
43 def hist_compare(img1 , img2): #比较图像的相似性
44 hist1 = creat_rgb_hist( img1 )
45 hist2 = creat_rgb_hist( img2 )
46 match1 = cv.compareHist( hist1 , hist2, cv.HISTCMP_BHATTACHARYYA ) #第三个参数 是 比较的方式
47 match2 = cv.compareHist(hist1, hist2, cv.HISTCMP_CORREL)
48 match3 = cv.compareHist(hist1, hist2, cv.HISTCMP_CHISQR)
49 print("""巴氏：%s
50 相关性：%s
51 卡方：%s
52 """ %(match1 , match2 ,match3))
53
54 #----------------------------直方图反向投影--------------------------
55
56
57 def main():
58 img = cv.imread("1.JPG")
59 cv.namedWindow("Show", cv.WINDOW_AUTOSIZE)
60 cv.imshow("Show", img)
61 #plot(img)
62 hist(img)
63 cv.waitKey(0)
64 cv.destroyAllWindows()
65
66 main()
