cms监控系统手机版下载_商业网站最佳域名_百度搜索推广_朝阳区搜索优化seosem

一、像素均值与标准差

 1.1 像素均值 cv2.mean()

mean_val = cv2.mean(img,mask=*)

mean_val：图像 BGR 通道的均值和透明度。

img：图像。

mask：可以选择是否添加掩膜，默认为：None。

import cv2
import numpy as npimg = cv2.imread('clahe.jpg') # 原图
cv2.imshow('img',img)
mean_val = cv2.mean(img)
print("mean_val",mean_val)cv2.waitKey(0)
cv2.destroyAllWindows()

mean_val (97.76646525877962, 97.76646525877962, 97.76646525877962, 0.0)

1.2 图像标准差cv2.meanStdDev()

mean,std = cv2.meanStdDev(img,mask=*)

mean：图像 BGR 通道的均值。

std：图像 BGR 通道的标准差。

img：图像。

mask：可以选择是否添加掩膜，默认为：None。

import cv2
import numpy as npimg = cv2.imread('clahe.jpg') # 原图
cv2.imshow('img',img)
mean,std = cv2.meanStdDev(img)
print("mean",mean)
print("std",std)
cv2.waitKey(0)
cv2.destroyAllWindows()

mean [[97.76646526],[97.76646526],[97.76646526]]
std [[61.26630115],[61.26630115],[61.26630115]]

 二、像素直方图 cv2.calcHist()

hist = cv2.calcHist(images=*,channels=*,mask=*,histSize=*,ranges=*,accumulate=*)

hist：像素值统计结果，数据结构为numpy数组格式。

images：原始图像。

channels：图像通道，一次只能检测一个通道。

mask：掩膜，默认为：None。

histSize：hist（）函数的bins数量，将0~255切割成多少区间。

ranges：像素值范围，一般为0~255或[0,256]。

accumulate：是否是多幅图像累加像素值，默认为：False。

import cv2
import matplotlib.pyplot as pltimg = cv2.imread('Lena.png ') # 原图
cv2.imshow('img',img)color=('b','g','r')
for i,col in enumerate(color):histr = cv2.calcHist([img],[i],None,[256],[0,256])plt.plot(histr,color=col)plt.savefig('hist.png',dpi=300,bbox_inches='tight')
plt.show()
cv2.waitKey(0)
cv2.destroyAllWindows()

'''=======================mask--像素直方图======================='''
img = cv2.imread('Lena.png',cv2.IMREAD_GRAYSCALE)  # cv2.IMREAD_GRAYSCALE为灰度图
mask = np.zeros(img.shape[:2], np.uint8)
mask[150:400,200:370]=255
mask_img=cv2.bitwise_and(img,img,mask=mask)#图片之间与操作hist_full = cv2.calcHist([img],[0],None,[256],[0,256])
hist_mask=cv2.calcHist([img],[0],mask,[256],[0,256])
plt.subplot(221), plt.imshow(img, 'gray')
plt.subplot(222), plt.imshow(mask, 'gray')
plt.subplot(223), plt.imshow(mask_img, 'gray')
plt.subplot(224), plt.plot(hist_full), plt.plot(hist_mask)
plt.xlim([0, 256])
plt.savefig('hist_mask.png',dpi=300,bbox_inches='tight')
plt.show()

三、直方图均衡化 

3.1 全局直方图均衡化

img = cv2.equalizeHist(src=*)

src：为单通道图像。 

3.2 自适应 直方图均衡化

img = cv2.createCLAHE(clipLimit=*,tileGridSize=*)

clipLimit：均衡化颜色对比度大小。

tileGridSize：进行像素均衡化的网格大小。

'''=======================均衡化像素直方图======================='''
img=cv2.imread('clahe.png',0)
# 原图
plt.subplot(131),plt.plot(cv2.calcHist([img],[0],None,[256],[0,256]))
# 全局直方图均衡化
equ=cv2.equalizeHist(img)
plt.subplot(132),plt.plot(cv2.calcHist([equ],[0],None,[256],[0,256]))
#自适应直方图均衡化
#clipLimit颜色对比度的阈值， 
#titleGridSize进行像素均衡化的网格大小，即在多少网格下进行直方图的均衡化操作
clahe=cv2.createCLAHE(clipLimit=2.0,tileGridSize=(8,8))
res_clahe = clahe.apply(img)
plt.subplot(133),plt.plot(cv2.calcHist([res_clahe],[0],None,[256],[0,256]))res = np.hstack((img,equ,res_clahe))
cv2.imwrite('clahe_all.png',res)# plt.ylim([0, 1600])
plt.xlim([0, 256])
plt.savefig('clahe_hist.png',dpi=300,bbox_inches='tight')
plt.show()