⚠申明： 未经许可，禁止以任何形式转载，若要引用，请标注链接地址。 全文共计3077字，阅读大概需要3分钟
🌈更多学习内容， 欢迎👏关注👀【文末】我的个人微信公众号：不懂开发的程序猿
个人网站：https://jerry-jy.co/

❗❗❗知识付费，🈲止白嫖，有需要请后台私信或【文末】个人微信公众号联系我

基于OpenCv的图像二值图和灰度直方图

任务需求

本次实验主要完成基于OpenCv的图像二值化和绘制图像灰度直方图。

• 图像二值化就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果。在数字图像处理中，二值图像占有非常重要的地位。图像的二值化有利于图像的进一步处理，能凸显出感兴趣的目标的轮廓。
• 图像灰度直方图是关于灰度级分布的函数，是对图像中灰度级分布的统计。灰度直方图是将数字图像中的所有像素，按照灰度值的大小，统计其出现的频率。灰度直方图是灰度级的函数，它表示图像中具有某种灰度级的像素的个数，反映了图像中某种灰度出现的频率。

任务目标

1、掌握图像的灰度化和二值化

2、掌握绘制图像灰度直方图

任务环境

1、jupyter开发环境

2、OpenCv

3、python3.6

任务实施过程

一、图像的灰度化和二值化

1、图像灰度化

import cv2 # 导入opencv
import matplotlib.pyplot as plt # 导入绘图模块
import numpy as np # 导入numpy库
from utils import im_show # 导入显示图像函数
# 绘制图像直接展示，不用调用plt.show()
%matplotlib inline 
# 用来正常显示中文标签
plt.rc('font',family="SimHei")
# 读取图像，这里读取的是彩色图像
img = cv2.imread(r'./experiment/data/Doraemon.jpg')
# 使用图像转换函数将彩色图像转换成灰度图
img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
print('原图图像矩阵形状',img.shape)
print('转换成灰度图后图像矩阵形状',img_gray .shape)

# 设置绘制图像的画布大小
plt.figure(figsize = (6,6))
# 显示原图
im_show('图像原图',img)

# 设置绘制图像的画布大小
plt.figure(figsize = (6,6))
# 显示灰度图
im_show('图像灰度图',img_gray)

2、图像二值化

• 二值图像，顾名思义就是图像的亮度值只有两个状态：黑(0)和白(255)。
• 二值化（Image Binarization）就是将灰度图转换成二值图像的一种方法，它将图像中感兴趣物体与背景分离。

ret, dst = cv2.threshold(src, thresh, maxval, type) 图像阈值函数，阈值通俗讲就是分界线，我们可以设置图像灰度大于阈值的，为一个值，低于阈值的，为另一个值。

• src： 输入图，只能输入单通道图像，通常来说为灰度图
• dst： 输出图
• thresh： 阈值
• maxval： 当像素值超过了阈值（或者小于阈值，根据type来决定），所赋予的值
• type：二值化操作的类型，包含以下5种类型： cv2.THRESH_BINARY； cv2.THRESH_BINARY_INV； cv2.THRESH_TRUNC； cv2.THRESH_TOZERO；cv2.THRESH_TOZERO_INV
• cv2.THRESH_BINARY （黑白二值）超过阈值部分取maxval（最大值），否则取0

# 对图像做简单的阈值化，也就是将图像二值化
# 这里设置阈值为127，maxval=255，表示图像灰度值大于127的设为255，小于的设为0
ret,dst = cv2.threshold(img_gray,127,255,cv2.THRESH_BINARY)
# 设置绘制图像的画布大小
plt.figure(figsize = (6,6))
# 显示图像的二值图
im_show('二值图',dst)

二、图像灰度直方图

灰度直方图是关于灰度级分布的函数，是对图像中灰度级分布的统计。

绘制直方图 plt.hist (x, bins=None, range=None,…)

• x：需要统计直方图的数据集
• bins：指定bin(箱子)的个数,也就是总共有几条条状图
• range：显示的范围

# 设置绘制图像的画布大小
plt.figure(figsize = (12,6))
# 绘制灰度图像直方图
# 可以直接使用plt.hist()函数绘制直方图
# numpy的ravel函数功能是将多维数组降为一维数组
plt.hist(img.ravel(), 256, [0, 256])
plt.title("灰度图像直方图")
plt.show()

使用opencv绘制直方图
cv2.calcHist(image,channels,mask,hitSize,range[,hist[,accumulate]])

• image：输入的图像
• Channels：表示通道，是计算直方图的通道索引。如果输入是灰度图像，则其值为[0]，对于彩色图B，G，R分别传入[0]，[1]，[2]。
• Mask：要计算的区域ROI，计算整幅图的话，为None。
• histSize：也叫bins,子区段数目，如果我们统计0-255每个像素值，bins=256；如果划分区间，比如0-15, 16-31…240-255这样16个区间，bins=16
• Range：要计算的像素值范围，一般为[0,256]

# 绘制彩色图像直方图
# 设置直方图线颜色，这里需要与calcHist函数中Channels参数的值一一对应
color = ('r','g','b')
# 设置绘制图像的画布大小
plt.figure(figsize = (12,6))
for i,col in enumerate(color):
    # 设定坐标系范围，并绘画直方图
    histr = cv2.calcHist([img],[i],None,[256],[0,256])
    plt.plot(histr,color = col)
    # 设置x轴的数值显示范围
    plt.xlim([0,256])
plt.title('彩色图像直方图')
plt.show()

三、任务小结

本次实验主要完成基于OpenCv的图像二值化和绘制图像灰度直方图。

通过本次实验需要掌握以下内容：

• 1.掌握图像的灰度化和二值化
• 2.掌握绘制图像灰度直方图

–end–

说明

本实验（项目）/论文若有需要，请后台私信或【文末】个人微信公众号联系我