以黑柴犬為例python版opencv RGB equalizeHist與histogram

 

#以下為教學程式，因為是黑狗，採用Lab或HSV色彩空間equalize效果不好，顏色嚴重失真，用RGB各channel equalize效果還可以。使用了opencv的calcHist, split, equalizeHist, merge 以及 numpy的簡易統計函數與matplotlib.pyplot並自訂函數。

匯入套件

import cv2
import numpy as np
import matplotlib.pyplot as plt

opencv秀圖

im=cv2.imread('shiba_inu.jpg')
cv2.imshow('original',im)
cv2.waitKey(0)
cv2.destroyAllWindows()

用split分割channel

BGR=cv2.split(im)
color=('b','g','r')

計算不同色階的統計量，用numpy

def print_sta(i): 
    #都使用numpy的簡易統計函數
    print('==========\n',color[i],': min=', np.min(BGR[i]),',max=', np.max(BGR[i]),'\n') 
    print('mean=', np.mean(BGR[i]),',median=', np.median(BGR[i]), ', std=', np.std(BGR[i]),'\n')

處理與計算histogram，如果參數equalized==True就各色階equalizeHist

def histogram(equalized=False):
    for i in range(3): 
        if equalized==True:
           BGR[i]=cv2.equalizeHist(BGR[i]) 
        print_sta(i)
        # 計算直方圖每個 bin 的數值
        hist = cv2.calcHist(BGR, [i], None, [256], [0, 256])
        plt.plot(hist, color = color[i])
        plt.xlim([0, 256])
    plt.show()

再來就是要呼叫histogram()，各色階equalizeHist後的BGR重新merge

histogram()
histogram(True)
im2=cv2.merge(BGR)

在函數histogram採用opencv的calcHist（這就針對圖的channel資料），用numpy的histogram改寫看看使用廣！