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()