什么是直方图呢？通过直方图你可以对整幅图像的灰度分布有一个整体的感觉了解。直方图的 x 轴是灰度值（0 到 255），y轴是图片中具有同一个灰度值的 点的数目。可以通过下面的图像感受一下
直方图是处理当中非常常用的一种手段，opencv也有现成的方法，cv2.calcHist
用法：cv2.calcHist(images, channels, mask, histSize, ranges[, hist[, accumulate]])
def show_hist(cv2_img):
""" 显示直方图 """
color = ('b','g','r')
for i,col in enumerate(color):
histr = cv2.calcHist([cv2_img],[i],None,[256],[0,256])
plt.plot(histr,color = col)
plt.legend()
plt.xlim([0,256])
plt.xticks([]), plt.yticks([])
plt.show()
通过直方图我们可以观察该直方图了解需要如何调整亮度分布。下面的图蓝色分量在200 ~ 250较高，应该就是天空的颜色，因为对应亮度最大。
我们可以通过前几章分享的知识，对应主题进行分离，看看亮度在3维空间的分布情况。
首先，我们需要获得二值图像：我们先用默认值进行二值图效果：
gray = cv2.cvtColor(cv2_img, cv2.COLOR_BGR2GRAY)
blur = cv2.blur(gray, (10, 10))
k=np.ones((10, 10),np.uint8)
_, th = cv2.threshold(blur, 127, 255, cv2.THRESH_OTSU)
原图：
mask：
通过逻辑运算获得图像：
img = cv2.bitwise_and(cv2_img, cv2_img, mask=~open)
分离颜色通道， 获得像素值：这里采用切片来处理：
img_b = cv2_img[:, :, 0].astype(np.int16)
img_g = cv2_img[:, :, 1].astype(np.int16)
img_r = cv2_img[:, :, 2].astype(np.int16)
三维空间显示
我们可以看到颜色较深的橙色部分就是主题。再来看一个例子：
通过这几个例子，关于亮度的影响就很深刻了，这对我们后面使用灰度直方图有很大帮助。
### 显示3D图像
def showPiexlDist(imgArrs):
fig = plt.figure()
ax1 = fig.add_subplot(111, projection='3d')
h, w, pimg = piexlDifvalue(imgArrs)
x = np.arange(0, w, 1)
y = np.arange(0, h, 1)
X, Y = np.meshgrid(x, y)
Z = np.zeros(Y.shape, dtype=np.uint16)
for i in range(Y.shape[0]):
for j in range(Y.shape[1]):
Z[i][j] = img_sum[i][j]
ax1.plot_surface(X, Y, Z, rstride=1, cstride=1,cmap=plt.get_cmap('rainbow'))
plt.show()
好了，本次就分享到这里。欢迎大家评论、交流和转发。
,
