8、OpenCV Python 图像直方图

__author__ = "WSX"
import cv2 as cv
import numpy as np
from matplotlib import pyplot as plt

def plot( img):
    plt.hist(img.ravel() , 256 ,[0 ,256])
    print(img.ravel()) #统计频次
    plt.show()

def hist( img ):#反应图像的主要特征
    color = ("blue" ,"green" , "red")
    for i , color in enumerate(color):
        hist = cv.calcHist([img] , [i], None ,[256],[0,256]) #参数2：通道数  参数三：mask存在？
        plt.plot(hist , color = color)
        plt.xlim([0 , 256])
    plt.show()

#-------------------------------直方图应用-------------------
# 均衡化（调整对比度） 和  比较

# 整体均衡化（基于灰度图） 增强图像的一个手段
def equ_hist( img ):
    gray = cv.cvtColor( img , cv.COLOR_BAYER_BG2GRAY)
    dst = cv.equalizeHist( gray )   # 均衡化
    cv.imshow("equ" ,dst)

# 局部均衡化
def equ_hist( img ):
    gray = cv.cvtColor( img , cv.COLOR_BAYER_BG2GRAY)
    cla = cv.createCLAHE( clipLimit= 2, tileGridSize=(8,8))   # 均衡化
    dst = cla.apply(gray)
    cv.imshow("equ" ,dst)

#直方图比较（多种比较方法）比较图片相似度
def creat_rgb_hist( img ):
    h , w ,c = img.shape
    rgbhist = np.zeros([16 * 16 * 16 , 1] ,np.float32)
    bsize = 256 / 16
    pass


def hist_compare(img1 , img2):  #比较图像的相似性
    hist1 = creat_rgb_hist( img1 )
    hist2 = creat_rgb_hist( img2 )
    match1 = cv.compareHist( hist1 , hist2, cv.HISTCMP_BHATTACHARYYA )  #第三个参数 是 比较的方式
    match2 = cv.compareHist(hist1, hist2, cv.HISTCMP_CORREL)
    match3 = cv.compareHist(hist1, hist2, cv.HISTCMP_CHISQR)
    print("""巴氏：%s
            相关性：%s
            卡方：%s
    """ %(match1 , match2 ,match3))

#----------------------------直方图反向投影--------------------------


def main():
    img = cv.imread("1.JPG")
    cv.namedWindow("Show", cv.WINDOW_AUTOSIZE)
    cv.imshow("Show", img)
    #plot(img)
    hist(img)
    cv.waitKey(0)
    cv.destroyAllWindows()

main()